**GAGAR：基于群体智能评分的代码智能体强化学习框架**

_Groupwise Agentic Grading and Advantage Redistribution for Code Agent RL_

> 针对代码智能体强化学习中二元奖励导致的质量区分度不足问题，提出GAGAR框架。该框架利用SFT训练的智能评分器对通过测试的轨迹进行质量排名，并通过保持总和不变的机制重新分配优势值，从而引导模型生成更简洁、高质量的代码。在MiMo-V2.6系列模型上的大规模实验表明，该方法显著提升了代码智能体的性能、训练稳定性及轨迹长度控制。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-29 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.32577)