arXiv 人工智能· Yiran Wu, Andrew Zhao, Yurui Chang, Qingyun Wu, Xuan Feng·· 5 小时前AI 评分37
超越二元可验证奖励：面向 SWE 智能体的行为自我奖励方法 BSR
Beyond Binary Verifiable Rewards: Behavioral Self-Rewarding for SWE Agents
AI 导读
研究人员提出面向软件工程智能体的行为自我奖励方法（BSR），复用模型自身对比相同验证结果下的调试轨迹行为，生成有界辅助奖励以细化二元奖励。该方法无需单独训练奖励模型或增加环境交互，在 SWE-bench Verified 与 SWE-bench-Live 评测中使 Qwen3-14B 和 Qwen3-32B 性能均取得一致提升。
来源：arXiv 人工智能 · arxiv.org