Option-GRPO 预印本研究如何让大模型学习训练截止后出现的 SDK,减少冗余和不符合接口习惯的代码。 方法从源码建立调用与语义结构,形成从原子操作到程序级的分层选项,再进行课程式强化学习。奖励结合执行深度、代码质量及从类型注解生成的属性检查,而不只看程序能否启动。 该工作以预印本公开,结果和实验范围以arXiv 论文为准。 配图由 GETAI.APP 使用内置 imagegen 生成,非新闻现场、产品界面或实测结果。