ANTE 让编码智能体先预测再行动，Qwen3-32B SWE-bench pass@1 从 25% 升至 57.2%

马里兰大学与 AWS AI Labs 提出强化学习框架 ANTE，让编码智能体先预测动作后果再执行，Qwen3-32B 在 SWE-bench Verified 上 pass@1 从 25.0% 升至 57.2%，比匹配 GRPO 基线高 6.2%。其内部世界模型准确率从 44% 升至 69%。BAPO 把已验证的预测锚定为逐步优势，推理时 ANTE-TTO 无需外部打分器即可从候选动作中选择。