arXiv · cs.AI· Sida Li, Yuanxin Liu, Shicheng Li, Linli Yao, Xu Sun, Haoli Bai, Xiaohui Li·· 5 小时前
TQS编码Agent轨迹质量评分框架用于监督微调
Quality, Not Just Outcome: A Structural Scoring Framework for Selecting Coding-Agent Trajectories for Supervised Fine-Tuning
arXiv:2610.13152v1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：Sida Li, Yuanxin Liu, Shicheng Li, Linli Yao, Xu Sun, Haoli Bai, Xiaohui Li
研究任务与主要进展
作者提出TQS（Trajectory Quality Score）结构评分框架，用信息聚焦、意图—行动对齐和策略动态等结构信号筛选编码Agent训练轨迹，无需LLM评审且在线性时间内运行。基于公开开放许可语料中的155,144条成功轨迹进行排序和监督微调后，摘要报告训练于高分轨迹的模型在SWE-Bench-Verified上优于随机或低分轨迹数据。
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