Meta AI FAIR 团队于 7 月 29 日发布论文称，强化学习用于代码速度优化时，受到时序测量噪声大和奖励稀疏等问题影响，标准算法表现不稳定。团队提出 DMC-Optim 基准，通过重建训练反馈系统，在离线模拟器中同时引入正确性与执行速度奖励，并提供可控噪声环境。测试中，Qwen 2.5 7B 通过率由 18.0% 升至 31.3%，CWM 32B 由 30.7% 升至 50.4%。