arXiv cs.AI· Yiran Wu, Andrew Zhao, Yurui Chang, Qingyun Wu, Xuan Feng·· 6 小时前AI 评分22
超越二元可验证奖励：面向 SWE 智能体的行为自奖励方法
Beyond Binary Verifiable Rewards: Behavioral Self-Rewarding for SWE Agents
AI 导读
研究者提出 Behavioral Self-Rewarding（BSR），让策略模型自行比较同一任务、同一验证结果下轨迹的可观测调试行为，将成对偏好聚合为任务内分数并转为有界辅助奖励，在保留验证器通过/失败排序的同时引入奖励对比。
来源：arXiv cs.AI · arxiv.org