论文用相互依赖规格合成编程任务并构建新基准
资讯摘要
论文提出 CodeSpecWeave 框架，用于合成带有丰富且相互依赖规格的编程任务：合成智能体基于真实开发者种子迭代生成耦合的任务需求与可执行测试，审查智能体则审计多模型解题轨迹以保证测试可靠。作者据此构建了覆盖 2,865 个仓库的 4,670 个训练任务，并报告在这些任务上做强化学习可显著提升基座模型在 DeepSWE-v1.1 上的表现。作者还构建了含 100 个任务、1,044 条规格的 CodeSpecWeave-Bench。
要点速读
- 合成智能体迭代生成耦合需求与可执行测试，审查智能体审计多模型轨迹以校验测试可靠性
- 基于该流程构建 4,670 个训练任务，覆盖 2,865 个仓库
- 作者报告强化学习后基座模型在 DeepSWE-v1.1 上显著提升，并发布含 100 任务、1,044 条规格的 CodeSpecWeave-Bench
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。