BSR：软件工程智能体的行为自奖励奖励精炼
热点事件持续更新
BSR：软件工程智能体的行为自奖励奖励精炼
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Yiran Wu 等作者提交论文，提出行为自奖励（BSR）奖励精炼方法，用于训练软件工程智能体。BSR 复用策略本身，对同一任务、同一验证器结果下的轨迹，两两比较可观测的调试行为，聚合成任务局部分数并转为有界辅助奖励，不新增环境交互，同时保留验证器的通过/失败排序，以解决 RLVR 二元奖励无法区分调试质量的问题。 在 SWE-bench Verified 和 SWE-bench-Live 上，所评估的 Qwen3-14B 与 Qwen3-32B 配置均取得一致提升。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
超越二元可验证奖励：面向 SWE Agent 的行为自奖励方法 BSR报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.AI超越二元可验证奖励：面向 SWE Agent 的行为自奖励方法 BSR
针对 RLVR 二元奖励无法区分调试质量的问题，研究者提出行为自奖励（BSR），复用策略本身对同一任务、同一验证结果下轨迹的可观测调试行为做两两比较，聚合成任务局部分数并转为有界辅助奖励，在不新增环境交互的前提下保留验证器的通过/失败排序。在 SWE-bench Verified 和 SWE-bench-Live 上，Qwen3-14B 与 Qwen3-32B 配置均取得一致提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。