热点事件观察中

SWE-Critix：训练编码智能体轨迹验证器

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Jiajun Hu、Chun Yong Chong 等人提出 SWE-Critix，一套用于训练编程智能体轨迹通用验证器的后训练流程，结合监督微调（SFT）与强化学习，在 CodeForge-Preview 轨迹上训练了一系列 30B 模型。在留出测试集上，该方案称分类准确率从基础 Qwen3-30B-A3B 推理模型的 57% 提升至 SFT 后的 66%、强化学习后的 78%。作者表示已开源模型、数据集与训练代码，以支持后续研究。

AI 根据报道生成 · 1 天前更新

最新进展10月12日 12:00

SWE-Critix：面向编程智能体轨迹评估的通用验证器后训练方案

报道时间线

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv cs.AI
SWE-Critix：面向编程智能体轨迹评估的通用验证器后训练方案
SWE-Critix 是一套用于训练编程智能体轨迹通用验证器的后训练流程，结合 SFT 与强化学习，在 CodeForge-Preview 轨迹上训练了一系列 30B 模型。在留出测试集上，其分类准确率从基础 Qwen3-30B-A3B 推理模型的 57% 提升至 SFT 后的 66%、RL 后的 78%。模型、数据集与训练代码均已开源。

本事件热度走势

可比范围当前: 4
可比范围峰值: 1010月12日 13:00
近 24 小时变化: -51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。