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

GrandCode 论文核心总结 + 关键章节中英对照

一、核心内容总结

1. 研究背景

竞技编程长期是AI代码能力的人类最后堡垒，此前最强AI（如Gemini 3 Deep Think）仅能在非实时场景获第8名，无法在真实竞赛中超越人类顶尖选手。

2. 核心成果

• 提出GrandCode：面向竞技编程的多智能体强化学习系统
• 首次在Codeforces实时竞赛中连续3场（Round 1087/1088/1089）全胜夺冠，击败所有人类选手（含传奇特级大师）
• 验证AI已在最高难度实时编码任务上超越人类最强程序员

3. 系统架构

四大核心模块协同：

1. 主求解器：生成推理轨迹与代码
2. 假设模型：提出结构猜想并小样本验证
3. 摘要模型：压缩超长推理上下文
4. 测试用例生成：构造对抗/边界/压力测试

训练流程：持续预训练 → 监督微调 → 多组