arXiv · Software Engineering· Sushant Mehta, Logan Ritchie, Edwin Chen·· 2 小时前精选AI 评分75
基于智能体编码任务的 RL 跨基准迁移研究
Cross-Benchmark Transfer from RL on Agentic Coding Tasks
AI 导读
研究者对 Kimi K2.7 Code（1T 参数，32B 激活）进行单 epoch GSPO RL 后训练，仅用 1700 个任务，即在 SWE-Bench Pro、DeepSWE、Terminal-Bench 2.1/3/4 和 SWE-Marathon 六个外部基准上提升 pass@1，且对训练后发布的三个数据集仍显著（p=0.004）。
推荐理由
用 RL 在 1700 个专家构建的编码任务上后训练 Kimi K2.7 Code，六个外部基准均显著提升，且对训练后发布的数据集仍然有效。
来源：arXiv · Software Engineering · arxiv.org