代码生成方法、装置、电子设备及存储介质

本申请涉及一种代码生成方法、装置、电子设备及存储介质。包括：获取编程问题数据集和目标模型生成的代码，并得到带奖励的数据集；基于MSE回归训练策略和对比损失训练策略，利用带奖励的数据集训练奖励模型得到代码奖励模型；获取编程问题训练数据，并利用代码奖励模型对编程问题训练数据进行排序得到排序后训练数据，并根据排序后训练数据、代码奖励模型输出的奖励模型评分和预设的单元测试评分得到最终奖励，并对预设的语言模型进行强化学习训练得到代码生成模型，以通过代码生成模型生成满足预设性能要求的代码。由此，解决了相关技术中模型推理成本高昂以及难以捕捉代码执行过程中的中间状态和部分正确性以细粒度地评价代码的质量的问题。