★ 3
BSR：软件工程智能体的行为自奖励方法
论文提出行为自奖励（BSR），一种奖励精炼方法，复用策略自身比较同一任务、同一验证结果下轨迹的可观察调试行为。BSR 将成对偏好聚合为任务局部分数并转为有界辅助奖励，在保留验证器通过/失败顺序的同时引入奖励对比。在 SWE-bench Verified 与 SWE-bench-Live 上，Qwe…
arXiv cs.AI21 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出行为自奖励（BSR），一种奖励精炼方法，复用策略自身比较同一任务、同一验证结果下轨迹的可观察调试行为。BSR 将成对偏好聚合为任务局部分数并转为有界辅助奖励，在保留验证器通过/失败顺序的同时引入奖励对比。在 SWE-bench Verified 与 SWE-bench-Live 上，Qwe…