2025-06-07 科研追新
当日精选（由提交工具自动创建）。
SWE-Dev：构建具备训练与推理扩展能力的软件工程智能体
SWE-Dev 探索通过训练与推理阶段的扩展机制，提升软件工程智能体处理复杂开发任务的能力。
SWE-Dev 面向软件工程任务构建可扩展的智能体。其核心方向是在训练阶段增强智能体的软件开发能力，并在推理阶段通过增加计算或搜索提升任务表现。该思路旨在提高智能体解决复杂、长程软件工程问题的能力与可靠性。原始文本未提供具体方法、实验结果或资源链接。
用途与启示
- 为软件工程智能体的训练扩展与推理扩展提供研究思路
- 启发通过增加推理计算、搜索或迭代验证来改善复杂开发任务表现
- 可用于关注代码生成、缺陷修复及长程开发任务的智能体研究
📝 原始笔记（逐字保留）
250607｜SWE-Dev：构建具备训练与推理扩展能力的软件工程智能体
SWE-Dev：通过训练与推理扩展构建软件工程智能体
SWE-Dev通过合成测试用例与扩展智能体轨迹提升开源软件工程智能体能力，7B和32B模型在SWE-bench-Verified上的成功率分别达到23.4%和36.6%。
SWE 软件工程 人工智能辅助编程 智能体 数据合成 模型训练 推理 模型评估
SWE-Dev是一个基于开源大语言模型构建的软件工程智能体，面向真实代码仓库中的自动化开发与缺陷修复任务。研究团队设计了稳健的测试用例合成流程，以缓解高质量测试数据不足并提高补丁评估的可靠性。该方法还通过扩展智能体交互轨迹构建训练数据，将训练扩展与推理扩展结合起来。在SWE-bench-Verified上，SWE-Dev的7B和32B模型成功率分别达到23.4%和36.6%，代码、模型及数据均已开源。
用途与启示
- 为开源软件工程智能体提供可复用的训练、测试合成与推理扩展方案。
- 说明高质量测试用例不仅可用于最终评估，也能作为补丁筛选和训练数据构建的重要环节。
- 展示较小参数规模模型通过数据与智能体轨迹扩展，在仓库级缺陷修复任务上取得竞争力的可能性。
📝 原始笔记（逐字保留）
250607
**标题** ：SWE-Dev: Building Software Engineering Agents with Training and Inference Scaling
**链接** ：https://arxiv.org/abs/2506.07636
**作者** ：[Haoran Wang](https://arxiv.org/search/cs?searchtype=author&query=Wang,+H), [Zhenyu Hou](https://arxiv.org/search/cs?searchtype=author&query=Hou,+Z), [Yao Wei](https://arxiv.org/search/cs?searchtype=author&query=Wei,+Y), [Jie Tang](https://arxiv.org/search/cs?searchtype=author&query=Tang,+J), [Yuxiao Dong](https://arxiv.org/search/cs?searchtype=author&query=Dong,+Y)
**摘要** ：
* 大型语言模型（LLMs）已从对话式问题解决快速发展到处理涉及工具使用的现实世界任务，如软件工程（SWE）。近期基于 LLM 的工具包（如 OpenAI Codex 和 Cursor）已实现软件开发流程的端到端自动化。
* 然而，由于缺乏高质量训练数据和有效测试用例，构建高效的 SWE 智能体仍具挑战性。为此，我们提出基于开源 LLMs 构建的 SWE 智能体 SWE-Dev。首先，我们开发了稳健的测试用例合成流程用于补丁评估；其次，通过扩展智能体轨迹构建训练数据集。
* 在 SWE-bench-Verified 基准测试中，SWE-Dev 模型在所有开源 SWE 智能体中表现最优，其中 7B 和 32B 参数模型的成功率分别达到 23.4%和 36.6%，超越当前最先进的开源模型。所有代码、模型及数据集已在[此 https 链接](https://github.com/THUDM/SWE-Dev)公开。
Gherkin 场景（Gherkin Scenario） 是行为驱动开发（BDD，Behavior-Driven Development）中用于描述软件功能行为的一种结构化文本格式，通常基于 Cucumber 等测试框架实现。
#### **ExpeRepair** ——具有“双重记忆”的仓库级缺陷修复系统