Lean4AgenticRL:形式验证给 Agent RL 加过程奖励,SWE-Bench 提升 20.2%

May_F1_ · x · 2026-10-25

Lean4AgenticRL:用形式验证做 Agentic RL 的过程奖励

团队发布 Lean4AgenticRL 框架,声称是首个把形式验证应用到开放域 agentic RL 的方法:

• 基础框架 Lean4Agent:把 agent 工作流视为「自然语言写的计算机程序」,通过 FormalAgentLib 和前置/后置条件谓词系统,在执行前验证工作流的自洽性,并能定位哪一步破坏一致性以做细粒度修复。
• 训练结果:用该框架提供过程奖励,训练出 LAR-9B 和 LAR-27B:
• LAR-9B 在 SWE-Bench-Verified 上提升 20.2%,达 64.2%
• LAR-27B 在 TerminalBench-2.1 上达 77.3%,比基座高 7.7%
• 配图基准表显示 LAR-27B 在 SWE-Bench-Verified(84.2%)、TB-2.0(68.2%)、TB-2.1(77.3%)上优于同规模已知基线(如 Qwen-3.8-27B、TMax-27B 等)。

论文、模型权重、代码与网站均已开放。

原文链接 →

「编程与Agent」频道最新

• Slop Eisley:全 AI 编写的星战游戏开放测试,credits 里写着 Claude Opus 和 Codex — jasonkneen · 2026-10-25
• 给 Claude 一份清单，周末两小时自查家庭网络安全 — zedlander · 2026-10-25
• 康奈尔论文：64.7% agent 遇错会失控，一个404引发校警介入 — 2C_ornot2C · 2026-10-25
• Reddit 用户盲测 5 款本地 Agent：同一个 Qwen 模型成绩差近一倍 — GapNew4766 · 2026-10-25
• WildAWM 开源合成计算机环境，Qwen3.6 训练后 8 项基准平均涨 10.6 分 — HuaxiuYaoML · 2026-10-25
• 梗图:Claude 推 Rust 移植巨石上山,西西弗斯式苦役 — burny_tech · 2026-10-25

更多「编程与Agent」频道 AI 资讯 →