arXiv 预印本 SWE-Critix：用后训练通用裁判替代裸 LLM 评判编程 agent 交付

2026 年 10 月 9 日提交到 arXiv 的预印本 SWE-Critix 提出专门后训练的通用裁判模型，用来评判编程 agent 的交付轨迹。以推理模型 Qwen3-30B-A3B 为基座，依次进行监督微调 SFT 与强化学习 RL，在 held-out 测试集的完成判定分类准确率上由基座 57% 提升到 SFT 后 66%、RL 后 78%。