TAROT：基于测试驱动和能力自适应课程强化微调的代码生成方法

大型语言模型（LLMs）正在改变编程范式，但生成算法复杂且鲁棒的代码仍是一个关键挑战。激励LLMs的深度推理能力对于克服这一障碍至关重要。强化微调（RFT）已被视为解决此问题的一种有前途的策略。然而，现有方法大多忽视了测试用例中固有的异构难度和粒度，导致奖励信号分布不均，训练过程中梯度更新出现偏差。为此，我们提出了TAROT（Test-driven and Capability-adaptive Curriculum Reinforcement Fine-Tuning），为每个问题系统构建了一个四层测试套件（基础、中级、复杂、边界），提供一个受控的难度环境用于课程设计和评估。关键在于，TAROT将课程进展与原始奖励分数解耦，实现基于能力的评估，并从多个课程策略中进行原则性选择，而非偶然的测试用例难度组合。该设计促进了稳定的优化和更高效的技能获取。大量实验结果表明，RFT在代码生成中的最佳课程与模型的内在能力密切相关，能力较弱的模型通过由易到难的课程获得更大提升，而能力较强的模型则在先难后易的课程中表现更佳。TAROT提供了一种可复现的方法，根据模型的能力自适应地定制课程设计，从而持续提高生成代码的功能正确性和鲁棒性。