arXiv cs.AI· Yiran Wu, Andrew Zhao, Yurui Chang, Qingyun Wu, Xuan Feng·· 4 小时前AI 评分36
超越二元可验证奖励：面向 SWE 智能体的行为自奖励（BSR）
Beyond Binary Verifiable Rewards: Behavioral Self-Rewarding for SWE Agents
AI 导读
行为自奖励（BSR）方法让 SWE 智能体复用当前策略，对同一任务、同一验证器结果下的轨迹比较可观察的调试行为，将成对偏好聚合成任务局部分数并转为有界辅助奖励，无需额外环境交互即可保留验证器定义的通过/失败顺序。在 SWE-bench Verified 与 SWE-bench-Live 上，Qwen3-14B 和 Qwen3-32B 配置均取得一致提升。
来源：arXiv cs.AI · arxiv.org