BSR：SWE Agent 的行为自奖励强化学习方法

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。

Generated from reports · updated 2 hr ago

There is not enough continuous observation data to draw a trend yet.