arXiv Artificial Intelligence· Jack Wei Lun Shi, Minghao Dang, Wawan Solihin, Justin K. W. Yeoh·· 17 小时前AI 评分34
P4IR：用强化学习改进基于大语言模型的建筑规范自动合规审查系统
Reinforcement learning to improve large language model-based automated code compliance systems
AI 导读
P4IR 两阶段框架先用监督微调向 LLM 注入领域知识，再用 GRPO 提升生成高层代码骨架这类中间表示的准确性，相对 SFT 基线将树编辑距离和 token 级 Levenshtein 距离分别最多降低 21.3% 和 41.0%。零样本设置下，该方法在代码结构与语义上均优于通过 few-shot 提示的领先 LLM，GRPO 阶段还显著减少了误报。
来源：arXiv Artificial Intelligence · arxiv.org