通过需求感知课程强化学习改进大语言模型代码生成

针对现有大语言模型在复杂编程需求下代码生成能力受限的问题，本文提出 RECRL 框架。该方法借鉴软件工程理念，自动感知模型特定的需求难度，优化高难度训练数据，并采用自适应课程采样策略构建平滑难度的训练批次。在五个主流基准测试及五种最先进模型上的实验表明，RECRL 显著优于现有基线，平均 Pass@1 指标提升 1.23% 至 5.62%，有效提升了代码生成性能。