热点事件持续更新
BSR：SWE智能体的行为自奖励奖励精炼方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 12 日，arXiv cs.AI 收录一篇论文，提出面向 SWE 智能体的行为自奖励（BSR）方法，用于突破仅有通过/失败的二元可验证奖励限制。该方法让智能体复用当前策略，在同一任务、同一验证器结果下比较各轨迹中可观察的调试行为，将成对偏好聚合成任务局部分数，并转换为有界辅助奖励；无需额外环境交互，同时保留验证器定义的通过/失败顺序。论文报告称，在 SWE-bench Verified 与 SWE-bench-Live 上，Qwen3-14B 和 Qwen3-32B 两种配置均取得一致提升。目前该工作处于论文发布阶段，暂无其他后续进展或第三方复现信息。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AI超越二元可验证奖励：面向 SWE 智能体的行为自奖励（BSR）
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。