Lo esencial antes de invertir más tiempo.
Entrena modelos a descomponer código en subfunciones recombinables. Recombinar k implementaciones de n módulos genera hasta k^n soluciones candidatas, desplazando coste de GPU a evaluación CPU y reduciendo coste de tokens \~50x.
With the Llama 3.1 8B and Qwen 2.5 7B, we show training the decomposition policy increases success rates per decomposition and number of evaluations.
Resultado reportado con fuente enlazada · 6 localizadores disponibles.La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 4 Results.
Comparar la métrica principal de la fuente junto con calidad, coste, latencia y tasa de errores.
Entrena modelos a descomponer código en subfunciones recombinables. Recombinar k implementaciones de n módulos genera hasta k^n soluciones candidatas, desplazando coste de GPU a evaluación CPU y reduciendo coste de tokens \~50x.
Qué está reportado y qué conviene comprobar.
With the Llama 3.1 8B and Qwen 2.5 7B, we show training the decomposition policy increases success rates per decomposition and number of evaluations.
8B · contexto: 4 Results
Crucially, this remains true throughout reinforcement learning training as shown in Figure 7 where the solve rate continues to increase given a fixed evaluation budget of m=512 code samples.
contexto: 4 Results
As we scale the inference budget per problem, models that create larger decompositions improve faster than those with smaller ones.
contexto: 4 Results
Additional CPU execution resources could further increase the appeal of the method according to the scaling behavior in Figure 7 .
contexto: 4 Results
Qué estudiaron y qué cambia.
La síntesis está separada de los resultados reportados y de las inferencias.PROBLEMA / La señal entra en el radar porque si la política base casi nunca genera la solución completa, ni sampling ni RL estándar bastan.
MÉTODO / La lectura de 2 Method describe la intervención y su construcción: We first introduce hierarchical generation in the context of problem solving (Section 2.1 , 2.2 ) as described in Parsel ( Zelikman et al. 2023 ) and then show how we adapt this to train decomposition and implementation policies (Section 2.3 ). We consider the task of generating code in a modular fashion, where model users have tighter control over the generation process than in the standard setup of whole-code generation from an autoregressive language model. Standard whole-code generation models the joint distribution of a piece of code of multiple parts I_{1},\ldots,I_{n} by means of its autoregressive… [Fuente: https://arxiv.org/html/2607.02390#S2]
RESULTADO / La sección 4 Results informa: With the Llama 3.1 8B and Qwen 2.5 7B, we show training the decomposition policy increases success rates per decomposition and number of evaluations. Crucially, this remains true throughout reinforcement learning training as shown in Figure 7 where the solve rate continues to increase given a fixed evaluation budget of m=512 code samples. As we scale the inference budget per problem, models that create larger decompositions improve faster than those with smaller ones. [Fuente: https://arxiv.org/html/2607.02390#S4]
LÍMITE / El cierre de la fuente señala: During training, DecompRL scales the number of evaluations per problem to up to 512 in our experiments compared to the default 16 . This allows for more exploration during training (see Figure 11 ) but can also lead to: slower worker GPUs and introduce off-policyness in online RL. We see DecompRL as a policy distillation method for gathering new solutions on the training set not available with regular RL. If we have a good enough starting policy using… La transferencia a coding agents requiere repetir la comparación con datos y criterios propios [Fuente: https://arxiv.org/html/2607.02390#S6].
La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 4 Results.
- PROBLEMA
- Si la política base casi nunca genera la solución completa, ni sampling ni RL estándar bastan.
- MÉTODO
- La lectura de 2 Method describe la intervención y su construcción: We first introduce hierarchical generation in the context of problem solving (Section 2.1 , 2.2 ) as described in Parsel ( Zelikman et al. 2023 ) and then show how we adapt this to train decomposition and implementation policies (Section 2.3 ). We consider the task of generating code in a modular fashion, where model users have tighter control over the generation process than in the standard setup of whole-code generation from an autoregressive language model. Standard whole-code generation models the joint distribution of a piece of code of multiple parts I_{1},\ldots,I_{n} by means of its autoregressive…
- TIPO DE EVIDENCIA
- La sección 4 Results informa 4 hallazgo(s) extraído(s) desde la fuente. El resultado principal se conserva con el localizador de sección https://arxiv.org/html/2607.02390#S4.
- LÍMITE
- La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 4 Results.
La lectura también deja rastro.
Guarda una observación junto a la evidencia. Tú escribes aquí; los agentes pueden añadir notas por MCP y aparecerán identificados.
LECTURA AMPLIADAMetodología, implicaciones y preguntas para volver al paper.+
La lectura de 2 Method describe la intervención y su construcción: We first introduce hierarchical generation in the context of problem solving (Section 2.1 , 2.2 ) as described in Parsel ( Zelikman et al. 2023 ) and then show how we adapt this to train decomposition and implementation policies (Section 2.3 ). We consider the task of generating code in a modular fashion, where model users have tighter control over the generation process than in the standard setup of whole-code generation from an autoregressive language model. Standard whole-code generation models the joint distribution of a piece of code of multiple parts I_{1},\ldots,I_{n} by means of its autoregressive…
Propone una vía práctica para que modelos pequeños resuelvan problemas de programación más difíciles.
La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 4 Results.
Cómo lo llevaría a un proyecto
Probar la propuesta en coding agents reproduciendo primero la comparación y registrando calidad, coste, latencia y errores.
Preguntas que conviene probar
- ¿La mejora se mantiene cuando coding agents cambia de dominio o distribución?
- ¿Qué componente del método explica la mayor parte del resultado y qué baseline lo pone realmente a prueba?
Si tuviera que convertirlo en una prueba mañana.
Mi lectura
La pregunta operativa es si coding agents puede medirse con una línea base y un criterio de parada claros.
Esta última frase es una inferencia editorial a partir del paper y de sus posibles implicaciones; no es una afirmación de los autores.