@rohanpaul_ai: 精彩新论文来自Meta、CMU及其他实验室。表明编码代理通过制造自己的...来更快地提升。

Meta、CMU 等实验室联合发布了一篇精彩的新论文。

研究表明，编码代理通过自行制造软件体验能够更快地提升能力。

编码代理可以通过在真实项目中制造并修复 bug 来训练自己。

目前大多数编码代理仍是从人类遗留物中学习：问题报告、拉取请求、测试、评论以及描述哪里出错的基准测试。

这些方法有用，但会使代理依赖人类产生清晰、可验证教训的速度。

自博弈 SWE-RL 将学习单元从标注任务改为可执行场景。

该模型的一个版本会探索真实代码库，削弱测试，注入一个有意义的 bug，并留下定义该失败的测试工件，而无需英文问题描述。

同一模型的另一个版本则需要修复系统——不是通过将文字与补丁匹配，而是通过恢复测试下的行为。

这里的关键点在于：测试在此不仅是评分器，它本身就是问题的语言。

这很重要，因为软件理解存在于约束、依赖、边界情况和不变量之中，而文字描述往往会压缩或遗漏这些内容。

报告的性能提升——在 SWE-bench Verified 上提升 10.4 分，在 SWE-Bench Pro 上提升 7.8 分——虽然属于早期成果，但难以忽视，因为评估时使用的仍是自然语言问题，而自博弈系统并未在这些问题上训练过。

这表明 SSR（自博弈 SWE-RL）学习到了比问题措辞更深层的东西，尽管尚未达到开放式的精通程度。

这种克制是有意义的：生成的 bug 可能不够真实，奖励信号可能有噪声，而沙盒仓库也只代表了软件现实的一小部分。

尽管如此，方向是明确的。

编码代理的下一个瓶颈可能不再是更多人类编写的任务，而是更多让代理遭遇、创造、承受并从中学习失败的方式。

论文链接 – arxiv.org/abs/2512.18552

论文标题: “Toward Training Superintelligent Software Agents through Self-Play SWE-RL”