NVIDIA FC-SWE:用失败补丁反馈做条件化 RL,提升 SWE 智能体多轮解决率
nvidia · hf · 2026-10-19
NVIDIA 提出 FC-SWE,一种面向长时程软件工程智能体的失败条件化强化学习方法。传统 GRPO 在尝试失败后直接停止;FC-SWE 则在重置环境后,把第一次尝试的失败补丁与验证器输出作为「失败上下文」证据喂给第二次尝试,奖励按多次尝试组合计算(如首次失败二次成功得 (0,1))。通过让恢复尝试以失败补丁反馈为条件,该方法在多个数据集上显著提升了多轮尝试下的 issue 解决率。
「编程与Agent」频道最新
- 亚马逊论文:仅靠 QA 评测会漏判 Agent 记忆故障,两套打分差 16.8 分 — rohanpaul_ai · 2026-10-19
- 用 Grok Bot 一天跑完 4000 站外链提交:筛出 282 个站、上线 9 个的完整流程 — sujingshen · 2026-10-19
- Netflix 公开为生产环境 AI 智能体构建知识库的实践 — AxSaucedo · 2026-10-19
- 开源项目 Reverse Engineer Anything GitHub Star 突破 30 万 — FinanceYF5 · 2026-10-19
- 用 Claude Code + 浏览器代理自动填求职表：只填不提交 — Serious-Werewolf7613 · 2026-10-19
- 双卡 R9700 推理必断电：不是功耗，是 tensor-parallel 负载让 1200W 电源宕机 — brainchillzZ · 2026-10-19