💻 computer science
BashCoder-R1: Towards Robust and Explainable Bash Code Generation with Robustness-Aware Group Relative Policy Optimization
BashCoder-R1 एक नवीन फ्रेमवर्क है जो निरंतर पूर्व-प्रशिक्षण (continual pre-training), लंबी श्रृंखला-सोच (long chain-of-thought) आधारित सुपरवाइज्ड फाइन-ट्यूनिंग और एक मजबूती-जागरूक सुदृढीकरण लर्निंग (robustness-aware reinforcement learning) रणनीति को जोड़कर बाश (Bash) स्क्रिप्ट जनरेशन की मजबूती और व्याख्यात्मकता को बढ़ाता है, जिससे नए BashBench बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।