ASTOR：多任务代码强化学习框架，已被 NeurIPS 2026 接收
热点事件持续更新
ASTOR：多任务代码强化学习框架，已被 NeurIPS 2026 接收
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Yujia Chen 等研究者提出 ASTOR，一个以任务效用为核心的多任务代码强化学习框架，包含层级效用路由数据调度和自适应效用校准策略优化两个模块。该工作已被 NeurIPS 2026 接收。 在两个主流 LLM、四项代表性编程任务上的实验显示，ASTOR 让单个模型在所有任务上持续提升：单模型超越最佳任务专属模型 9.0%-9.5%，超过最强多任务 RL 基线 7.5%-12.8%。
AI 根据报道生成 · 1 小时前更新
最新进展10月31日 12:00
ASTOR：基于效用驱动的多任务代码强化学习框架报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIASTOR：基于效用驱动的多任务代码强化学习框架
研究者提出 ASTOR，一个以任务效用为核心的多任务代码强化学习框架，包含层级效用路由数据调度和自适应效用校准策略优化两个模块。在两个主流 LLM、四项编程任务上的实验显示，ASTOR 单模型超越最佳任务专属模型 9.0%-9.5%，超过最强多任务 RL 基线 7.5%-12.8%。该工作已被 NeurIPS 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。