4B 小模型给编码 Agent 当裁判:SWE-Verifier 仅 9-13% 额外成本提升 1.7 个百分点
radamihalcea · x · 2026-10-30
密歇根大学团队（Rada Mihalcea、Lu Wang 等）发布论文 SWE-Verifier，用一个轻量 4B 验证器选择性引导比它大约 70 倍的编码 Agent 做决策。
核心思路：不同于轨迹级或全步骤验证，SWE-Verifier 只在关键决策点对 Agent 提议的动作打分，判断何时需要采样候选动作并排序后再执行，从而以极小开销提升决策质量。模型从 Qwen3.5-4B 训练而来，使用偏好数据（对比动作分组 + 环境观测 + rubric 引导的教师打分）。
结果（SWE-Bench Verified，mini-swe-agent 框架）：
- MiniMax-M2.7：解决率从 75.47% 提升至 77.20%，成本仅 1.09 倍
- DeepSeek-V4-Flash：无需在其动作上训练即泛化，解决率从 72.60% 升至 74.27%，成本 1.13 倍
- 实际只验证不到 4% 的步骤，效果相当或优于轨迹级/全步骤验证基线，但成本大幅更低
「编程与Agent」频道最新
- Claude API 文档曝光 Agents 等 beta 接口，含托管沙箱会话 — aigclink · 2026-10-30
- 一行代码生成图嵌入：FastRP 默认、GraphSAGE 保属性 — JeremyCMorgan · 2026-10-30
- CodeRabbit CEO:800万美元种子轮已不够造软件,garrytan 反驳看好小团队 — garrytan · 2026-10-30
- GBrain Cloud 上线命令行：一条命令在云端启动 AI 工作区 — garrytan · 2026-10-30
- 为多业务老板设计全家桶 AI 自动化系统:多 bot 协作架构求指点 — Xeriphy · 2026-10-30
- 「物联网的智能体」:一句话定义设备 Agent 的有趣类比 — sull · 2026-10-30