Themis：鲁棒多语言代码奖励模型训练与多准则灵活评分
Themis: Training Robust Multilingual Code Reward Models for Flexible Multi-Criteria Scoring

Indraneil Paul, Glavaš Glavas, Iryna Gurevych


• 本文推出了Themis-RM，这是一套先进的多语言代码奖励模型，旨在提升代码生成任务的评估能力和灵活性。
• Themis-RM的核心方法是利用一个大规模的偏好数据集进行训练，使其能够学习并理解不同代码质量标准的细微差别。
• 该模型的主要贡献在于实现了灵活的多标准评分机制，能够根据不同的评估维度（如正确性、效率、可读性等）对生成代码进行综合评价。
• 凭借其鲁棒的多语言支持，Themis-RM能够有效地应用于多种编程语言环境，为研究人员提供更精确和可配置的代码评估工具。
• 最终目标是为代码生成系统提供一个强大、可定制的评估框架，以促进更高质量的代码生成。

🔗 arXiv · 🤗 HF

#代码生成 #奖励模型 #多语言 #代码评估 #评分模型