arXiv cs.AI· Jiajun Hu, Chun Yong Chong·· 22 天前AI 评分44
SWE-Critix：用于评估编码智能体轨迹的后训练通用验证器
SWE-Critix: Post-Training Generalist Verifiers for Assessing Coding-Agent Trajectories
AI 导读
SWE-Critix 提出了一种后训练流程，用于训练能够评估编码智能体轨迹的通用验证器，可预测完成标签并生成自然语言解释分析。该流程结合 SFT 与 RL，在 CodeForge-Preview 轨迹上训练了 30B 模型，使测试集分类准确率从基座 Qwen3-30B-A3B 推理模型的 57% 提升至 SFT 后的 66% 和 RL 后的 78%。项目已开源模型、数据集与训练代码。
来源：arXiv cs.AI · arxiv.org