长程SWE强化学习进展
billyuchenlin · x · 2026-07-15
作者表示自己在做**长程 SWE 任务的强化学习**，过程“又好玩又有挑战”，但模型在多个不同设置、多个 benchmark 上表现出较强的泛化能力。 帖子里还引用了一个相关排名：**Grok 4.5 在 FrontierSWE 上排第 2**，仅次于 Claude Fable 5，领先于 Opus 4.8、GPT-5.5 和 GLM-5.2。 这条信息的重点有两层： - 一是说明 **RL 训练长程软件工程任务** 仍然是值得投入的方向； - 二是这类任务的评测正在形成更清晰的**agent / SWE benchmark 竞争格局**。