浙江大学研究团队推出ReCode：让AI程序员学会跟上时代，再也不怕API过时

这项由浙江大学的吴浩泽、姚云志等研究者与腾讯AI西雅图实验室的于文豪合作完成的研究发表于2025年6月的arXiv预印本平台（论文编号：arXiv:2506.20495v1），感兴趣的读者可以通过该编号在arXiv平台上查阅完整论文。

说到写代码，现在的AI助手确实很厉害，能帮程序员解决不少问题。但是有个让人头疼的问题：这些AI就像是拿着过时教科书的学生，总是用一些已经被淘汰的编程接口（API）来写代码。这就好比你问AI怎么联系朋友，它还告诉你发传真，而实际上大家都在用微信了。

当一个编程库更新换代时，很多老的函数接口会被新的替代，就像手机从按键变成触屏一样。问题是，AI在学习时用的都是老资料，所以它们写出来的代码经常用的是已经过时的接口，导致程序跑不起来。更麻烦的是，即使你在提示中告诉AI"某某接口已经更新了"，它们往往还是固执地用老方法，就像一个习惯了老路的司机，即使有了新的导航也还是走老路。

浙江大学的研究团队发现了这个普遍存在的问题，并提出了一个创新的解决方案——ReCode。这个方法的核心思想很巧妙：既然AI学的是老知识，那就通过特殊的训练方式让它学会听从新的指令，就像给固执的老司机专门训练，让他学会相信和使用新的GPS导航。

研究团队首先分析了问题的根源。AI模型在训练时使用的代码数据往往比较老旧，就像一个程序员只读过几年前的编程书籍。当编程库频繁更新时，这些AI就显得"知识过时"了。虽然人们尝试过在提示中加入最新的API文档，但效果并不理想，因为AI内部的老知识会和外部的新信息产生冲突，AI往往更相信自己"肚子里"的老知识。

为了解决这个问题，研究团队开发了ReCode框架。这个框架的训练过程很像教一个程序员适应新版本的开发工具。首先，他们收集了大约2000个真实的API更新案例，每个案例都包含了某个编程库从老版本到新版本的具体变化。比如，在NumPy库中，原来计算数组乘积用的是`np.product`函数，但新版本中这个函数被废弃了，要改用`np.prod`。

接下来是训练过程的精妙之处。研究团队没有采用传统的监督学习方法，而是使用了强化学习。这就像是给AI设置了一个"奖惩机制"：如果AI能够正确地根据提示中的更新信息来修改代码，就给它奖励；如果它还是固执地用老方法，就给它惩罚。通过这种方式，AI逐渐学会了重视外部提供的新信息，而不是一味依赖内部的老知识。

在奖惩机制的设计上，研究团队也很用心。他们不仅检查AI生成的代码是否使用了正确的新接口，还会检查代码的语法是否正确。这就像是既要求学生答案正确，又要求字迹工整一样。具体来说，如果AI生成的代码完全匹配正确答案，就给最高奖励；如果代码语法正确但接口使用有误，给中等奖励；如果连语法都错了，就给负向奖励。

为了验证ReCode的效果，研究团队在CodeUpdateArena这个专门的测试平台上进行了实验。这个平台包含了670个编程任务，每个任务都需要AI根据最新的API更新信息来解决实际问题。实验结果相当令人印象深刻：经过ReCode训练的7B参数的Qwen2.5-Coder模型，在某些指标上甚至超越了32B参数的大模型，这就像是让一个聪明的小学生在某个专项技能上超过了大学生。

更重要的是，研究团队发现ReCode训练对AI的通用编程能力影响很小。这就像是给一个多才多艺的人专门训练一项新技能，不会影响他原有的其他能力。相比之下，如果用传统的监督学习方法来解决这个问题，往往会导致AI在其他编程任务上的表现下降，这种现象被称为"灾难性遗忘"。

在技术细节上，ReCode使用了两种具体的强化学习算法：GRPO和DAPO。这两种算法的工作原理有些类似于班级竞赛：让AI同时生成多个代码方案，然后比较这些方案的好坏来调整AI的行为。GRPO算法会计算每个方案相对于平均水平的优劣程度，而DAPO算法则进一步优化了这个比较过程，避免了一些技术问题。

研究团队还特别关注了训练过程中的一些有趣现象。他们发现，在训练初期，AI的奖励分数会短暂下降，这看起来有些反常。但研究人员解释说，这实际上反映了AI在"打破固有思维"的过程。就像一个习惯了某种做事方式的人，在学习新方法时会有短暂的不适应期，但一旦适应了新方法，表现会比以前更好。

为了更深入地理解ReCode的工作机制，研究团队还做了一些案例分析。他们发现，训练前的AI经常表现出"懒惰"的特点：明明在提示中给出了新的API信息，AI却视而不见，继续使用老旧的接口。这就像是一个学生明明桌上放着最新的教科书，却还是习惯性地查阅老旧的笔记。经过ReCode训练后，AI学会了认真"阅读"提示中的更新信息，并据此调整自己的代码生成策略。

研究团队还测试了ReCode在更复杂场景下的表现。比如，当一个编程库经历了多次更新时，AI是否能够直接从最老的版本跳跃到最新版本，而不需要逐步更新。实验结果显示，经过训练的AI确实具备了这种"跨越式升级"的能力，这更符合实际开发中的需求。

另一个有趣的测试是同时处理多个API更新。在实际开发中，程序员经常需要同时适应多个库的更新，这对AI来说是个更大的挑战。实验结果表明，ReCode训练过的AI在处理这种复杂情况时也表现出色，能够同时正确应用多个不同的API更新。

在数据集构建方面，研究团队下了很大功夫。他们从NumPy、Pandas、PyTorch等主流数据科学库的发布说明中收集了真实的API更新信息，然后用GPT-4生成对应的代码示例。但他们没有完全依赖自动生成，而是请了五位计算机专业的学生对生成的代码进行人工审核，确保质量。这种人机结合的方式既保证了数据的规模，又确保了准确性。

值得一提的是，他们收集的API更新类型非常丰富，不仅包括简单的函数重命名，还包括参数变化、功能修改等复杂情况。比如，有些更新是把二维向量的计算改为三维向量，有些是改变了函数的文档赋值方式。这种多样性确保了训练出来的AI能够应对各种实际情况。

研究团队在论文中还详细分析了为什么强化学习比传统的监督学习更适合这个任务。他们指出，监督学习就像是让学生死记硬背标准答案，而强化学习更像是让学生理解解题思路。在API更新这个场景中，重要的不是记住具体的代码改动，而是学会如何根据新的信息来调整代码，这正是强化学习的长处。

实验数据也支持了这个观点。在CodeUpdateArena测试集上，经过ReCode训练的Qwen2.5-Coder-7B模型的Pass@1分数达到了78.7%，相比训练前的67.3%有了显著提升。更令人惊喜的是，这个7B模型的表现甚至超过了32B的Qwen2.5-Coder-Instruct模型（75.7%）和DeepSeek-R1-Distill-Qwen-32B模型（78.2%）。这就像是让一个小学生在特定项目上战胜了中学生，证明了针对性训练的威力。

在通用编程能力的保持方面，ReCode也表现出色。在HumanEval+这个通用编程测试集上，经过ReCode训练的模型只是轻微下降了1-2个百分点，而传统监督学习方法的下降幅度要大得多。这说明ReCode确实实现了"专项提升，通用保持"的目标。

研究团队还进行了详细的奖励机制对比实验。他们测试了不同的奖励设计对最终效果的影响，发现语法检查的加入至关重要。单纯的格式奖励效果很差，严格的完全匹配又过于苛刻，而他们设计的"编辑相似度+语法检查"的组合效果最好。这就像是既要求答案内容正确，又要求表达清晰，两者缺一不可。

在训练动态分析中，研究人员观察到了一个有趣的现象：训练过程中AI输出的长度会逐渐增加，但增幅并不大。这说明AI学会了更详细地思考问题，但没有出现冗余的废话。同时，他们发现训练初期的奖励下降主要是因为格式奖励的减少，这反映了AI在学习过程中会暂时"打乱"原有的行为模式，然后重新建立更好的模式。

从技术角度来看，ReCode的成功还在于它巧妙地解决了"知识冲突"问题。当AI的内部知识和外部提示信息发生冲突时，传统方法往往让AI更相信内部知识。但ReCode通过强化学习训练，让AI学会了在这种冲突情况下优先考虑外部信息，这对于处理动态更新的信息来说至关重要。

研究团队在论文中也诚实地指出了当前工作的局限性。由于计算资源限制，他们只对7B规模的模型进行了完整训练，未来需要验证方法在更大模型上的效果。此外，目前的研究主要集中在Python数据科学库上，是否能推广到其他编程语言和领域还需要进一步探索。

不过，这些局限性并不影响ReCode的重要价值。在AI辅助编程越来越普及的今天，如何让AI跟上技术更新的步伐是一个现实而紧迫的问题。ReCode提供了一个既实用又优雅的解决方案，它不仅解决了当下的问题，更重要的是提供了一种处理"AI知识过时"问题的通用思路。

这项研究的影响可能远超编程领域。随着各行各业的数字化转型，API和技术接口的更新变得越来越频繁。如何让AI系统能够灵活适应这些变化，而不是被固化的训练数据所束缚，是一个具有广泛意义的挑战。ReCode展示的强化学习方法为解决这类问题提供了有价值的参考。

说到底，ReCode的成功在于它抓住了一个核心insight：AI不应该只是一个静态的知识库，而应该是一个能够动态学习和适应的智能助手。通过巧妙的训练方法，研究团队让AI学会了如何在面对新信息时调整自己的行为，这种能力在快速变化的技术环境中显得尤为珍贵。

对于普通的程序员和AI用户来说，这项研究带来的最直接好处就是更可靠的AI编程助手。再也不用担心AI生成的代码使用过时的接口，也不用反复提醒AI使用最新的API。这不仅提高了开发效率，也降低了出错的风险。

从更长远的角度来看，ReCode代表的是AI系统走向更加智能和实用的重要一步。它展示了如何让AI既保持原有能力又能适应新的需求，这种平衡对于AI技术的实际应用至关重要。随着这种方法的进一步发展和推广，我们有理由期待AI助手在各个领域都能变得更加智能和有用。

Q&A

Q1：ReCode是什么？它解决了什么问题？ A：ReCode是浙江大学研究团队开发的一个AI训练框架，专门解决AI编程助手使用过时API接口的问题。当编程库更新后，传统AI往往还会用老版本的接口写代码，导致程序无法运行，ReCode通过强化学习让AI学会根据最新的API文档来调整代码。

Q2：ReCode会不会影响AI原有的编程能力？ A：基本不会。实验显示ReCode训练后的AI在通用编程测试中只是轻微下降1-2个百分点，而在API更新任务上却有显著提升。这比传统的监督学习方法要好得多，后者往往会导致较大的能力下降。

Q3：普通程序员能用上ReCode技术吗？什么时候能用？ A：目前ReCode还是研究阶段的技术，但研究团队已经证明了它的有效性。预计未来会被集成到各种AI编程助手中，让程序员享受到更可靠的代码生成服务。感兴趣的技术人员可以关注相关开源项目的发展。