论文

Entropy-Regularized Rank-Masked Policy Optimization for Test-Time Reinforcement Learning in Code Generation

面向代码生成的测试时强化学习新方法，解决无标准答案场景下的奖励稀疏问题

档案回溯至 2026-09 · 收录于 2026-09-09热度 0.4

code-generationTTRLrl

暂未评估,等待下一轮评分。

事件时间线

想把「Entropy-Regularized Rank-Masked Policy Optimization for Test-Time Reinforcement Learning in Code Generation」相关的机会落到自己的业务上?

灯塔背后的优秘智能团队提供:AI 落地咨询 · GEO 优化(让 AI 搜索推荐你的品牌) · 定制开发。留下需求,1 个工作日内回复。