arXiv cs.AI· Yiran Wu, Andrew Zhao, Yurui Chang, Qingyun Wu, Xuan Feng·· 22 天前AI 评分38
超越二元可验证奖励：软件工程智能体的行为自我奖励方法 BSR
Beyond Binary Verifiable Rewards: Behavioral Self-Rewarding for SWE Agents
AI 导读
研究人员提出了行为自我奖励（BSR）方法，使软件工程智能体在无需独立奖励模型的情况下，复用自身策略对比相同验证结果下的调试行为。BSR 将成对偏好聚合为任务局部得分并转化为有界辅助奖励，在保持通过与失败排序的同时为已采集轨迹提供额外监督。
来源：arXiv cs.AI · arxiv.org