热点事件持续更新
BSR：SWE Agent 的行为自奖励强化学习方法
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月12日，arXiv 软件工程方向发布一手论文，提出 Behavioral Self-Rewarding（BSR）方法，用于改进 SWE 智能体的强化学习训练。该方法让当前策略对同一任务、同一验证结果下的轨迹调试行为进行成对比较，将偏好聚合成任务局部分数，并转化为有界辅助奖励，以超越传统二元可验证奖励。目前报道仅涉及论文方法本身，尚无实验数据、代码或第三方验证信息。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
arXiv 发布 BSR 论文，提出以成对轨迹偏好聚合为有界辅助奖励，替代二元可验证奖励。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Software EngineeringSWE 智能体超越二元可验证奖励的行为自奖励方法 BSR
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。