GrandCode：通過智能強化學習達成競技程式設計大師級水平

競技程式設計長期被視為人類在編碼領域的最後堡壘，目前最佳 AI 系統仍無法超越人類頂尖選手。Google 的 Gemini~3 Deep Think 在最新結果中僅獲得第 8 名，且該評估並非在實時競賽條件下進行。

研究團隊推出 GrandCode，這是一套專為競技程式設計設計的多智能體強化學習系統。其能力歸因於兩個關鍵因素：一是協調多種智能體模組（包含假設提案、求解器、測試生成器、摘要等），並透過後訓練與線上測試時強化學習共同提升這些模組；二是引入專為多階段智能體擴展設計的 Agentic GRPO 演算法，以處理延遲獎勵及智能體強化學習中常見的嚴重離策略漂移問題。

GrandCode 是首個在實時競技程式設計競賽中穩定擊敗所有人類參賽者的 AI 系統。在最近的三場 Codeforces 實時競賽中，GrandCode 均獲得第一名，擊敗了包括傳奇大師在內的所有人類選手。這三場比賽分別為 Round~1087（2026 年 3 月 21 日）、Round~1088（2026 年 3 月 28 日）以及 Round~1089（2026 年 3 月 29 日）。研究指出，AI 系統已達到在最具競爭性的編碼任務上超越最強人類程式設計師的階段。