一种基于过程监督强化学习的代码生成方法

本发明公开了一种基于过程监督强化学习的代码生成方法，包括：获取原始代码数据集并进行预处理，基于预处理后的原始代码数据集生成若干个修改后的代码片段并自动标注，获得过程监督数据集；其中，预处理包括格式标准化；基于过程监督数据集对过程监督奖励模型进行训练；通过策略模型生成代码片段，基于训练后的过程监督奖励模型获得代码片段的整体奖励信号；基于整体奖励信号对策略模型进行更新。本发明实现了过程监督数据集的自动构建，大幅降低人工标注成本；通过引入过程监督强化学习方法，显著提升了代码生成模型的质量和效率。