Meta研究RL代码优化难点

Meta论文显示代码速度优化需重建测试、计时、奖励与GRPO反馈链。

推荐理由：关键贡献是把代码优化失败归因于运行时奖励的噪声与稀疏性；完整重建评测和GRPO后，Qwen 2.5 7B在速度阈值指标从18.0%升至31.3%。