GASP: Leitete asymmetrische Selbstspiel-Methodik steigert Code-LLM-Leistung

In einer neuen Veröffentlichung auf arXiv (2603.15957v1) stellt ein Forschungsteam die Methode Guided Asymmetric Self-Play (GASP) vor, die die Leistungsfähigkeit von Code‑Large Language Models (LLMs) deutlich erhöht. GASP nutzt ein Lehrer‑Schüler‑Modell, bei dem der Lehrer kontinuierlich Fragen generiert, die genau an der Grenze der Lernfähigkeit des Schülers liegen.

Traditionelle asymmetrische Selbstspiel‑Ansätze erzeugen zwar neue Daten ohne menschliche Eingriffe, doch sie wählen oft Fragen, die zwar schwierig, aber wenig informativ sind. GASP löst dieses Problem, indem es echte „Goalpost“-Fragen aus realen Datensätzen als Orientierungspunkte nutzt. Der Lehrer erstellt zunächst eine einfachere Variante einer schwierigen Frage und folgt dann mit einer noch anspruchsvolleren Version, um das Lernziel schrittweise zu erreichen.

Durch diesen strukturierten Lernpfad konnte das Team die Pass‑@20‑Rate auf dem LiveCodeBench (LCB) um 2,5 % gegenüber ungerichtetem asymmetrischem Selbstspiel steigern. Darüber hinaus löst GASP bislang unlösbare, anspruchsvolle Goalpost‑Fragen, die allen bisherigen Baselines zuwiderlaufen. Die Ergebnisse zeigen, dass gezieltes, datenbasiertes Selbstspiel ein vielversprechender Weg ist, um die Fähigkeiten von Code‑LLMs nachhaltig zu verbessern.