RIPPLE：面向长程编程智能体的过程级恢复训练框架

RIPPLE 用前缀教师加阶段化信用训练编程智能体自我纠错。

资讯摘要

论文提出 RIPPLE 训练框架，针对长程编程智能体“能指出错误却仍沿错误轨迹继续”的 Critique-to-Action Handoff Gap，将过程级指导内化为单一自恢复策略。方法上由仅见前缀的教师模型提供有证据支撑的恢复监督，经轻量蒸馏后用强化学习为反思触发、诊断与纠正动作分配阶段化信用，并用局部有效性信号门控轨迹优势。作者报告在四个仓库级软件工程基准上平均提升 4.8 分，部署时无需辅助 critic。

要点速读

1. 论文定义 Critique-to-Action Handoff Gap：智能体能生成合理批评，却仍沿同一错误轨迹继续。
2. RIPPLE 用仅访问前缀的教师模型提供恢复监督，蒸馏后以强化学习对反思触发、诊断、纠正动作分配阶段化信用。
3. 作者报告在四个仓库级软件工程基准上平均提升 4.8 分，部署时不需要辅助 critic。

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 2026/10/24 08:00:37（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。