CoRe-Code：面向代码生成的协同强化学习

大语言模型（LLM）在代码生成上表现强劲，但大多数方法依赖没有全局规划的自回归解码，常导致局部连贯但全局欠佳的解（例如测试用例失败或复杂度低效）。尽管思维链（Chain-of-Thought，CoT）与多智能体系统（MAS）等近期方法引入了规划，但其有限的角色专业化与协调阻碍了在复杂任务上的表现。为解决多智能体代码生成中的协调与专业化难题，我们提出协同强化代码（Collaborative Reinforcement Code，CoRe-Code），一个角色专业化LLM智能体框架，增强智能体间协调以生成更准确、更高效的代码。CoRe-Code采用简单的Planner-Coder范式：Planner产出高层计划，Coder执行计划生成代码。我们进一步引入基于组相对策略优化（GRPO）的协作感知强化学习阶段，以增强角色专业化与对齐。实验表明CoRe-Code超越广泛的现有基于RL的方法与多智能体方法。此外，我们证明CoRe-Code可泛化到其他多智能体框架（例如检索与调试智能体），凸显其灵活性与可扩展性。我们使用三个基座模型在多个不同难度的基准上评估CoRe-Code。与现有基线相比，结果显示准确率持续提升，同时在执行时间与内存使用上效率更高，展示了CoRe-Code的有效性与实用性。