调度与校准：面向代码大语言模型的效用引导多任务强化学习

针对现有代码大语言模型多任务强化学习方法统一处理所有任务、依赖固定课程导致效率受限的问题，本文提出 ASTOR 框架。该框架以任务效用为核心，包含分层效用路由数据调度模块和自适应效用校准策略优化模块。前者动态分配训练预算并优先选择高价值数据，后者根据任务状态调整正则化约束。实验表明，ASTOR 在多个编码任务上显著优于专用模型及现有多任务基线。