arXiv · cs.AI· Jiajun Hu, Chun Yong Chong·· 3 小时前
SWE-Critix：用于评估编码Agent轨迹的后训练通用验证器
SWE-Critix: Post-Training Generalist Verifiers for Assessing Coding-Agent Trajectories
arXiv:2610.13356v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jiajun Hu, Chun Yong Chong
研究任务与主要进展
研究者提出SWE-Critix，用于根据任务及其执行轨迹预测编码Agent是否完成，并生成解释判断的自然语言分析；该流程结合监督微调（SFT）与强化学习（RL），在CodeForge-Preview轨迹上训练一系列30B模型。基于论文摘要，在保留测试集上，分类准确率从基础Qwen3-30B-A3B推理模型的57%提升到SFT后的66%，再经RL提升至78%；作者同时发布模型、数据集和训练代码。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org