Articles sur RCCA

Le cadre RCCA vise le problème de faible allocation de crédits causé par la distribution uniforme des récompenses au niveau de la séquence dans GRPO lors de la génération de pages Web interactives, et transforme le retour fonctionnel au niveau de la rubrique en signaux d'optimisation locaux pour les zones de code. Cela signifie que le signal d'apprentissage par renforcement est affiné du niveau de séquence grossière au niveau localisé, ce qui améliore directement l'efficacité de la formation dans les scénarios à demandes multiples. Par rapport à l'attribution d'avantages unifiée du précédent GRPO, il s'agit du premier mécanisme explicite permettant de mapper des rubriques fonctionnelles à des extraits de code spécifiques.