GrandCode：通过智能体强化学习在竞技编程中达到大师级水平

竞技编程仍是人类对抗 AI 的最后堡垒之一。本文提出 GrandCode，一种专为竞技编程设计的多智能体强化学习系统。其卓越能力源于两点：一是协调假设提出、求解器、测试生成等多个智能体模块，并通过后训练及在线测试时强化学习共同提升；二是引入专为多阶段智能体 rollout 设计的 Agentic GRPO 算法，有效解决延迟奖励与严重的离策漂移问题。GrandCode 是首个在实时竞赛中稳定超越所有人类选手（包括传奇大师）的 AI 系统，标志着 AI 在高难度编程任务上已超越最强人类程序员。