software-engineering-agents

SWE-Ladder 提出渐进式特权自蒸馏方法，将每个训练实例的验证修复转化为定位、复现、补丁三个阶段的专属证据，用于训练 SWE 智能体。在 SWE-bench Verified 上，Qwen3-4B 结合 R2E-Gym 框架的 pass@1 从 9.6% 提升至 16.4%，优于 GRPO 和 OPSD 基线。

论文提出 Behavioral Self-Rewarding (BSR)，一种利用策略自身对同任务轨迹的调试行为进行两两比较并生成辅助奖励的奖励精炼方法，超越二元可验证奖励，在 SWE-bench Verified 和 SWE-bench-Live 上以 Qwen3-14B/32B 取得一致提升。

FC-SWE introduces failure-conditioned reinforcement learning for software engineering agents, using failed patch verifier feedback as context for recovery trajectories. On SWE-bench Verified with Qwen3.5-4B and SWE-agent, it achieves 41.7% Resolved@1 versus 38.9% for GRPO, and reaches 70.7% Resolved@11 at test time.

PluginRSI 表示 agent harness 为可组合的原子化插件，通过独立改进并积累到共享插件库中来递归优化 harness，跨软件工程、命令行交互和问答任务上优于现有方法，且进化出的插件库可迁移到其他 solver 模型并加速后续优化。