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。

论文提出了行为自奖励（BSR），一种奖励精炼方法，利用策略自身对同一任务轨迹的调试行为进行两两比较，并生成辅助奖励，超越二元可验证奖励的局限。该方法基于 Qwen3-14B/32B，在 SWE-bench Verified 和 SWE-bench-Live 上均取得了一致提升。

FC-SWE 为软件工程智能体引入了失败条件强化学习，利用失败补丁的验证器反馈作为恢复轨迹的上下文。在 SWE-bench Verified 基准上，使用 Qwen3.5-4B 和 SWE-agent，FC-SWE 在 Resolved@1 上达到 41.7%，优于 GRPO 的 38.9%，在测试时达到 Resolved@11 的 70.7%。

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。