arXiv · Software Engineering· Yiran Wu, Andrew Zhao, Yurui Chang, Qingyun Wu, Xuan Feng·· 3 hr agoAI score39
SWE 智能体超越二元可验证奖励的行为自奖励方法 BSR
Beyond Binary Verifiable Rewards: Behavioral Self-Rewarding for SWE Agents
AI brief
论文提出 Behavioral Self-Rewarding（BSR），让当前策略比较同一任务、同一验证结果下的轨迹调试行为，把成对偏好聚合成任务局部分数并转为有界辅助奖励。
Source: arXiv · Software Engineering · arxiv.org