CodeRL: Mastering Code Generation through Pretrained Models and Deep Reinforcement Learning

计算机科学 强化学习 水准点(测量) 正确性 编码(集合论) 编码器 人工智能 推论 语言模型 机器学习 程序设计语言 大地测量学 集合(抽象数据类型) 地理 操作系统
作者
H Le,Yue Wang,Akhilesh Gotmare,Silvio Savarese,Steven C. H. Hoi
出处
期刊:Cornell University - arXiv 被引量:59
标识
DOI:10.48550/arxiv.2207.01780
摘要

Program synthesis or code generation aims to generate a program that satisfies a problem specification. Recent approaches using large-scale pretrained language models (LMs) have shown promising results, yet they have some critical limitations. In particular, they often follow a standard supervised fine-tuning procedure to train a code generation model only from the pairs of natural-language problem descriptions and ground-truth programs. Such paradigm largely ignores some important but potentially useful signals in the problem specification such as unit tests, which thus often results in poor performance when solving complex unseen coding tasks. To address the limitations, we propose "CodeRL", a new framework for program synthesis tasks through pretrained LMs and deep reinforcement learning (RL). Specifically, during training, we treat the code-generating LM as an actor network, and introduce a critic network that is trained to predict the functional correctness of generated programs and provide dense feedback signals to the actor. During inference, we introduce a new generation procedure with a critical sampling strategy that allows a model to automatically regenerate programs based on feedback from example unit tests and critic scores. For the model backbones, we extended the encoder-decoder architecture of CodeT5 with enhanced learning objectives, larger model sizes, and better pretraining data. Our method not only achieves new SOTA results on the challenging APPS benchmark, but also shows strong zero-shot transfer capability with new SOTA results on the simpler MBPP benchmark.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
091完成签到 ,获得积分10
刚刚
胜东发布了新的文献求助10
刚刚
刚刚
kk完成签到,获得积分10
1秒前
西伯利亚兔完成签到,获得积分10
1秒前
1秒前
书俭完成签到,获得积分10
3秒前
Linsey完成签到,获得积分10
3秒前
4秒前
科研修沟完成签到 ,获得积分10
4秒前
binshier完成签到,获得积分10
5秒前
冷傲菠萝完成签到 ,获得积分10
5秒前
5秒前
6秒前
剁手党完成签到,获得积分10
6秒前
默默的甜瓜完成签到,获得积分10
6秒前
小笨猪完成签到,获得积分10
7秒前
轨迹完成签到,获得积分10
7秒前
7秒前
YOMU完成签到,获得积分10
7秒前
8秒前
IAMXC发布了新的文献求助10
8秒前
我的白起是国服完成签到 ,获得积分10
8秒前
端庄大白完成签到 ,获得积分10
8秒前
李健应助武雨珍采纳,获得10
8秒前
8秒前
典雅的静发布了新的文献求助10
9秒前
友好的白柏完成签到 ,获得积分10
9秒前
longjie完成签到,获得积分10
9秒前
KOBE94FU完成签到,获得积分10
9秒前
10秒前
Xingliang_Wu98完成签到,获得积分10
10秒前
泡泡茶壶o完成签到 ,获得积分10
10秒前
令狐初之完成签到,获得积分10
10秒前
小胖完成签到 ,获得积分10
11秒前
11秒前
entang完成签到,获得积分10
11秒前
zyfqpc发布了新的文献求助200
12秒前
央晴发布了新的文献求助10
12秒前
12秒前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
COSMETIC DERMATOLOGY & SKINCARE PRACTICE 388
Case Research: The Case Writing Process 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142960
求助须知:如何正确求助?哪些是违规求助? 2793911
关于积分的说明 7808759
捐赠科研通 2450220
什么是DOI,文献DOI怎么找? 1303729
科研通“疑难数据库(出版商)”最低求助积分说明 627055
版权声明 601356