SWE-bench Verified 相关 AI 资讯 · AI 热点

7月10日

17:09

17:09

Stanford AI Lab@StanfordAILab

71°

斯坦福AI实验室提出TRACE自我改进方法，智能体通过识别自身失败背后的缺失能力并进行针对性训练来提升。TRACE训练的Qwen3.6-27B在SWE-bench Verified上达到73.2%，超过Codex 5.2和GLM 5等更大模型，同时以少于1/4的训练rollout击败GRPO和GEPA。该工作已在ICML AIWILD获得Spotlight论文。

AI模型 TRACE Qwen3.6-27B SWE-bench Verified 智能体代码生成

推荐理由：斯坦福AI Lab搞了个新方法TRACE，让AI自己找短板补课。只用四分之一训练量就超过了GRPO和GEPA，还赢了大模型Codex 5.2和GLM 5。

7月7日

12:51

12:51

官方账号arXiv cs.LG@Yujiang Li, Zhenyu Hou, Yi Jing, Jie Tang, Yuxiao Dong

CompactionRL是一种新的强化学习策略，用于训练长程agentic LLM，通过上下文压缩解决有限上下文窗口问题。该方法联合优化任务执行和摘要生成，采用token级损失归一化和跨轨迹广义优势估计，让LLM agent从压缩的长轨迹中学习。基于GLM-4.5-Air模型（106B-A30B），CompactionRL在SWE-bench Verified上达到66.8%的Pass@1，提升7.0点；在Terminal-Bench 2.0上达到24.5%，提升3.1点。基于GLM-4.7-Flash（30B-A3B），Pass@1分别提升5.5和6.8点。该技术已被部署于训练GLM-5.2模型（750B-A40B）的RL流水线。

论文 CompactionRL GLM-4.5-Air GLM-4.7-Flash SWE-bench Verified 强化学习

推荐理由：一篇论文提出用强化学习+上下文压缩训练长程智能体，在SWE-bench等基准上显著提升开源模型表现，适合关注Agent训练和RL方法的人。

6月19日

11:07

11:07

官方账号arXiv cs.LG@Asa Shepard, Jeannie Albrecht

论文提出探针-改进调优法，通过合成bug修复探针迭代诊断和修补仓库指导文件，无需代理循环或工具调用。在SWE-bench Verified上，使用Qwen3.5-35B-A3B模型200步，平均解决率33.0%，高于静态知识库的28.3%和无指导基线的25.5%（p<0.001）。改进来自覆盖度而非精确度：优化指导使可评估补丁增加14.5个百分点，但补丁精确度稳定在约59%（p=0.119）。跨模型实验显示，当模型无法生成足够诊断输出时调优效果下降，但补丁精确度仍保持恒定。

论文探针-改进调优 SWE-bench Verified Qwen3.5-35B-A3B 编码智能体仓库指导文件

推荐理由：这篇论文告诉你：给编码智能体写AGENTS.md时，别一次性写好就完，得用探针-改进法迭代修。实测在SWE-bench上解决率涨了近5个点，主要是能让智能体多搞定14.5%的实例。