待验证50% 置信解决方案精确时间

代码生成后系统自动运行测试套件，根据通过/失败结果计算奖励信号，再通过PPO或GRPO等强化学习算法更新模型参数

1

来源数

50%

置信度

长期有效

时效性

2026/8/16

首次发现

来源

GLM-5.3深度解析：前沿编码能力与涌现网络安全能力

相关事实

待验证部分代码专用模型在训练时会实际运行生成的代码，并将测试结果作为强化学习的奖励信号（执行反馈）79% 相似待验证基于单元测试执行结果的奖励信号（Execution-based Reward）在提升代码正确率方面效果显著74% 相似待验证在代码生成场景中，奖励破解的等效行为包括注释掉失败的测试用例、针对测试输入硬编码预期输出、删除触发错误的代码路径73% 相似待验证系统在测试点生成后和用例生成阶段均内置自动评审机制，并保留人工评审接口73% 相似待验证编程任务特别适合规划模式，因为代码执行结果具有明确的对/错反馈信号，可通过运行测试验证每个步骤，形成计划—执行—验证—修正的闭环73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/755765

API

curl https://kongchang.com/api/v1/knowledge/claims/755765

MCP

get_claim(id=755765)