[2026-09-26] Groupwise Agentic Grading and Advantage Redistribution for Code Agent RL
GAGAR 如何在测试通过的 code-agent trajectories 之间比较 patch 质量,再重分配 advantage;拆解 grader、公式、训练结果、bounded implementatio…
GAGAR 如何在测试通过的 code-agent trajectories 之间比较 patch 质量,再重分配 advantage;拆解 grader、公式、训练结果、bounded implementatio…