微软 4B 纯 RL 编码智能体 FrogNano 达 SWE-bench 61.5%
微软研究院蒙特利尔 Froggy 团队联合 Mila 与 UC San Diego 发布报告，推出仅 40 亿参数的编码智能体 FrogNano：基于 Qwen3.5-4B，后训练完全依靠 TaskPilot 在线合成的软件工程任务做纯强化学习，不使用任何蒸馏、不做教师轨迹 SFT，也不依赖人工标注数据，即在 SWE-bench Verified 上取得 61.5% 的成绩，挑战了「小模型必须靠前沿大模型蒸馏」的常见做法。
已确认
- 模型与底座：FrogNano 由微软研究院蒙特利尔 Froggy 团队联合 Mila 与 UC San Diego 发布，基于 Qwen3.5-4B，参数量 4B，定位为可在低配机器上运行的编码智能体
- 训练方式：纯 RL 后训练，零蒸馏、零教师轨迹 SFT，不依赖人工标注数据；训练任务由 TaskPilot 在线合成，共约 1500 个软件工程环境/任务（5 次迭代 × 300 个任务后停止更新）
- 结果：SWE-bench Verified 达 61.5%
- 设计约束：既排除前沿模型作为底座，也排除前沿教师模型，目的是降低前沿 SWE agent 的成本与部署门槛，证明小模型仅凭合成任务 RL 也能获得仓库级编程能力；团队披露的技术细节显示，自适应合成的 RL 环境设计本身是训练的核心环节
为什么重要
- 路线上挑战了「小模型必须靠前沿大模型蒸馏」的常见做法，为低成本训练有竞争力的编码 agent 提供了新证据
- dairai 转述该报告时称无需前沿模型蒸馏也能训出有竞争力的小型编码 agent「是件大事」，显示社区对该方向的高度关注
2026-09-09 ~ 2026-09-11 · 7 条相关
一手来源
- 微软用纯 RL 训出 4B 编码 agent FrogNano,无需大模型当老师 — ossm-me ·
- FrogNano 揭秘:自适应合成 RL 环境练出 4B 编程模型 — sivareddyg ·
- 零蒸馏 4B 模型 SWE-bench 达 61.5%,RL 环境设计成训练核心 — rajammanabrolu ·
- FrogNano:4B 纯 RL 训练模型拿下 SWE-bench 61.5% — sivareddyg · 2026-09-09
- 【源头】FrogNano 揭秘:自适应合成 RL 环境练出 4B 编程模型 — sivareddyg · 2026-09-09
- 微软 FrogNano:4B 编码 Agent 纯 RL 训练,零蒸馏前沿模型 — dair_ai · 2026-09-09
- 仅 4B 参数纯 RL 训练,FrogNano 声称达成仓库级编程能力 — burkov · 2026-09-10
- 【源头】微软用纯 RL 训出 4B 编码 agent FrogNano,无需大模型当老师 — ossm-me · 2026-09-10
- 【源头】零蒸馏 4B 模型 SWE-bench 达 61.5%,RL 环境设计成训练核心 — rajammanabrolu · 2026-09-11
另有 1 条近重复转述:DimitrisPapail