撒更宽的网：用于代码推理的协调式 Pass@K 策略优化

针对代码生成中重复采样导致推理路径冗余的问题，本文提出协调式 Pass@K 策略优化（CPPO）。该方法将生成过程转化为联合策略探索：由规划器输出一组多样化的高层算法策略，求解器针对每种策略尝试求解。通过引入乘法形式的规划奖励，仅对经验证器确认成功的策略组合赋予信用。实验表明，在相同计算预算下，CPPO 在多个代码基准上显著优于直接采样及现有规划基线，有效提升了代码推理的通过率。