热点事件观察中
研究团队提出软件工程Agent训练框架SWE-Ladder
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月27日，arXiv发表关于软件工程Agent训练框架SWE-Ladder的研究成果。该框架通过将代码修复任务拆解为定位、复现与打补丁三个阶段的特权证据，按实际修复顺序进行渐进式特权自蒸馏，并结合GRPO优化端到端轨迹。在SWE-bench Verified基准测试中，基于Qwen3-4B-Instruct-2507的评测显示，该方法在R2E-Gym环境下的pass@1准确率从9.6%提升至16.4%，在OpenHands环境下的pass@1准确率从13.0%提升至17.6%。
AI 根据报道生成 · 7 小时前更新
最新进展10月27日 12:00
研究团队提出SWE-Ladder训练框架，通过渐进式特权自蒸馏显著提升Agent在代码修复基准上的表现。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 人工智能SWE-Ladder：通过渐进式特权自蒸馏学习定位、复现与修复
SWE-Ladder 通过将代码修复拆解为定位、复现与打补丁阶段的特权证据，按修复顺序进行渐进式自蒸馏并结合 GRPO 优化端到端轨迹。在 SWE-bench Verified 上基于 Qwen3-4B-Instruct-2507 评测，其在 R2E-Gym 下 pass@1 从 9.6% 提升至 16.4%，在 OpenHands 下从 13.0% 提升至 17.6%。
本事件热度走势
当前热度 4·可比范围峰值 5（10月28日 11:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。