arXiv cs.AI· Ornith Team, Xiaoya Li, Guoyin Wang, Songqiao Su, Jiwei Li, Chris Shum·· 3 小时前精选AI 评分70
GrandCode 通过智能体强化学习在竞技编程中达到大师级水平
GrandCode: Achieving Grandmaster Level in Competitive Programming via Agentic Reinforcement Learning
AI 导读
Ornith Team 等发布论文，介绍多智能体强化学习系统 GrandCode，称其为首个在实时竞技编程比赛中稳定击败所有人类参赛者的 AI 系统。系统编排假设提出、求解、测试生成、总结等智能体模块，通过后训练与在线测试时强化学习联合改进，并提出面向多阶段智能体 rollout、延迟奖励和严重 off-policy 漂移的 Agentic GRPO。
推荐理由
原文报告了多智能体强化学习系统在 Codeforces 三场实时比赛中均夺冠的细节，可了解其智能体编排与 Agentic GRPO 设计。
正文 · AI 翻译
摘要：竞技编程仍然是人类在编码对抗 AI 中仅存的少数堡垒之一。迄今为止最优秀的 AI 系统在竞技编程上的表现仍不及最优秀的人类：最近的最佳成绩是 Google 的 Gemini~3 Deep Think，获得了第 8 名，而且这还不是在实时比赛条件下评测的。在本工作中，我们介绍 GrandCode，一个专为竞技编程设计的多智能体强化学习系统。GrandCode 的能力归因于两个关键因素：(1) 它编排了多种智能体模块（假设提出、求解器、测试生成器、总结等），并通过后训练和在线测试时强化学习联合改进它们；(2) 我们提出了专门为多阶段智能体 rollout 设计的 Agentic GRPO，以应对延迟奖励以及智能体强化学习中普遍存在的严重离策略漂移。GrandCode 是首个在竞技编程实时比赛中持续击败所有人类参赛者的 AI 系统：在最近三场 Codeforces 实时比赛中，即 Round~1087（2026 年 3 月 21 日）、Round~1088（2026 年 3 月 28 日）和 Round~1089（2026 年 3 月 29 日），GrandCode 均获得第一名，击败了包括传奇特级大师在内的所有人类参赛者。GrandCode 表明，AI 系统已经达到了在最具竞争性的编码任务上超越最强人类程序员的水准。
| 评论： | 技术报告；预印本 |
| 学科： | 人工智能 (cs.AI) |
| 引用格式： | arXiv:2604.02721 [cs.AI] |
| （本版本请引用 arXiv:2604.02721v4 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2604.02721 arXiv 发行的 DOI，经 DataCite 提供 |
提交历史
来自：Jiwei Li [查看邮件]
[v1]
2026 年 4 月 3 日 星期五 04:26:56 UTC（9,653 KB）
[v2]
2026 年 7 月 13 日 星期一 00:56:35 UTC（9,653 KB）
[v3]
2026 年 8 月 5 日 星期三 18:24:09 UTC（9,653 KB）
[v4]
2026 年 11 月 11 日 星期三 15:59:14 UTC（9,601 KB）
来源：arXiv cs.AI · arxiv.org