arXiv · cs.AI· Yiran Wu, Andrew Zhao, Yurui Chang, Qingyun Wu, Xuan Feng·· 5 小时前
BSR：面向软件工程智能体的行为自奖励方法
Beyond Binary Verifiable Rewards: Behavioral Self-Rewarding for SWE Agents
arXiv:2610.12598v1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：Yiran Wu, Andrew Zhao, Yurui Chang, Qingyun Wu, Xuan Feng
研究任务与主要进展
作者提出 Behavioral Self-Rewarding（BSR），让软件工程智能体比较同一任务中验证结果相同的轨迹调试行为，并将成对偏好聚合为有界辅助奖励，以补充二元可验证奖励。基于论文摘要，BSR在 SWE-bench Verified 和 SWE-bench Live 上对 Qwen3-14B、Qwen3-32B 配置均显示出一致的任务性能改进，且不需要新增环境交互。
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