按类别训练软件工程智能体专家并蒸馏合并

论文用分类专家训练加蒸馏合并提升 SWE 智能体解决率。

资讯摘要

论文针对仓库级软件工程任务中不同类别进展不均的“类别跷跷板”现象，提出类别感知的专家训练与策略整合框架。方法用 SWE Labeler 组织训练池，让同类专家交替进行长程 Agentic-miniRL 与 Refresh-Repair-Expand，再通过标签路由的多教师同策略蒸馏（MOPD）合并为单一学生模型。作者报告在 SWE-bench Pro V2 上平均解决率 86.19%，在 SWE-bench Multilingual 上为 71.78%，分别比基座模型高 4.57 和 3.89 个百分点。

要点速读

1. 论文提出类别感知的专家训练与策略整合框架，用于缓解不同任务类别进展不均的问题。
2. 同类专家交替进行长程 Agentic-miniRL 与 Refresh-Repair-Expand，并用 MOPD 蒸馏合并为单一学生模型。
3. 作者报告在 SWE-bench Pro V2 上平均解决率 86.19%、SWE-bench Multilingual 上 71.78%，分别超基座 4.57 和 3.89 个百分点。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。