cmu

来自Meta、CMU及其他实验室的一篇新论文提出了Self-play SWE-RL，这是一种方法，编码代理通过在实际代码库中制造和修复错误来训练自己，在SWE-bench基准测试上取得了显著提升，且不依赖人类编写的任务。

何泰然（Tairan He）从CMU博士毕业后加入OpenAI，其研究背景主要涉及机器人学。

CMU 高级 NLP 课程讲清了强化学习如何优化整个输出的奖励（正确性、有用性、安全性），而非预训练/微调阶段的下一个 token 预测。