arXiv · cs.AI 人工智能· Ornith Team, Xiaoya Li, Guoyin Wang, Songqiao Su, Jiwei Li, Chris Shum·2026-11-13 13:00· 5 小时前精选AI 评分88

GrandCode：多智能体强化学习系统在 Codeforces 实时赛中击败所有人类选手

GrandCode: Achieving Grandmaster Level in Competitive Programming via Agentic Reinforcement Learning

AI 导读

GrandCode 是一个面向竞赛编程的多智能体强化学习系统，在 2026 年 3 月 21 日、28 日、29 日举行的 Codeforces Round 1087、1088、1089 三场实时比赛中均排名第一，击败包括传奇特级大师在内的所有人类参赛者。

推荐理由

该工作提出面向多阶段智能体 rollout 的 Agentic GRPO，并在三场 Codeforces 实时赛中取得第一，可供关注智能体强化学习训练稳定性的人参考。