SWE-Verifier：选择性验证降低编码智能体成本
原文标题：SWE-VERIFIER: Selective Verification for Cost-Efficient Coding Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出轻量生成模型 SWE-Verifier，对编码智能体提出的动作打分，仅在必要时触发候选采样与排序，从而降低推理开销。基于 Qwen3.5-4B 训练，在 MiniMax-M2.7 上把解决率从 75.47% 提升至 77.20%（1.09 倍成本），并零训练泛化到 DeepSeek-V4-Flash，验证步数不足 4%。
- 问题
- 编码智能体每步采样验证候选动作开销大，错误动作浪费算力与 API 成本。
- 方法
- 用轻量生成模型给动作打分，仅在必要时触发候选采样与排序，基于偏好数据训练。
- 结果
- MiniMax-M2.7 解决率 75.47%→77.20%（1.09 倍成本）；DeepSeek-V4-Flash 72.60%→74.27%，验证步数不足 4%。
- 影响
- 以约一成额外成本换取更高解决率，可直接降低编码智能体的推理账单。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SWE-Verifier 只对不足 4% 的步骤触发候选采样验证，MiniMax-M2.7 解决率从 75.47% 升至 77.20%，成本仅 1.09 倍。
- •基于 Qwen3.5-4B 训练轻量打分模型，用偏好数据（对比动作+环境观测+教师评分）训练
- •在 mini-swe-agent 框架下，MiniMax-M2.7 解决率 75.47%→77.20%，成本 1.09 倍
- •零训练泛化到 DeepSeek-V4-Flash：72.60%→74.27%，成本 1.13 倍
- •两个模型上验证步数均不足 4%，效果与全步验证基线相当或更好、成本更低
为什么重要：编码 Agent 的主要开销在长交互历史与动作生成，这条说明「选择性验证」能以约 10% 的额外成本换 1~2 个点解决率，是可直接落地的降本增效路径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。