arXiv论文提出SWE Agent行为自奖励BSR

发生了什么

据arXiv cs.AI论文（ID: 2610.12598v1）介绍，研究提出行为自奖励（BSR）方法，用于提升软件工程师代理的调试质量。BSR复用策略模型比较同一任务中不同轨迹的可观察调试行为，将成对偏好聚合为任务局部分数并转化为有界辅助奖励。实验显示，在SWE-bench Verified和Live数据集上，Qwen3-14B和32B配置均获得一致改进，证明无需额外奖励模型即可利用策略自身判断作为补充学习信号。