GrandCode 通过多智能体 RL 在 Codeforces 连续三场击败所有人类选手

Ornith Team 发布预印本技术报告，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。报告称，在最近的 Codeforces 三场线上比赛（2026 年 3 月的 Round 1087、1088、1089）中，GrandCode 均获第一名，击败包括传奇特级大师在内的所有人类选手。该报告为预印本，相关说法来自论文作者。 技术上，GrandCode 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，并提出了面向多阶段智能体 rollout、延迟奖励和严重 off-policy 漂移的 Agentic GRPO 算法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。