吴翼团队通过使用PPO算法和开源模型，在代码生成任务中超过了闭源大模型AlphaCode 41B。研究团队还探讨了DPO和PPO算法的特点，并提出了提升算法效果的关键点。吴翼团队在强化学习和大模型结合方面的其他研究成果也被介绍。开源工作和论文的出现将降低实验成本和开发难度。