跳到正文
返回论文列表
cs.LG提交于 已译

SWE-Verifier:面向成本高效编码智能体的选择性验证

SWE-VERIFIER: Selective Verification for Cost-Efficient Coding Agents

Kaijian Zou · Vaibhav Chennareddy · Yunxiang Zhang · Naihao Deng · Longju Bai · Jiaxin Pei · et al.

中文摘要

编码智能体需要耗费大量计算来生成动作并处理长交互历史,不良动作可能使其进入低价值状态,造成计算浪费和 API 成本上升。对替代动作进行采样与验证可改善决策,但每一步都执行会带来显著开销。SWE-Verifier 是一种轻量级生成模型,用于选择性触发候选动作采样与验证:先为智能体提出的动作评分,判断是否需要额外采样,再对所得动作排序后执行。该模型基于 Qwen3.5-4B 训练,偏好数据将差异动作及其环境观察和基于评分准则的教师分数组织成组。在 mini-swe-agent 框架中,MiniMax-M2.7 的问题解决率由 75.47% 提升至 77.20%,成本为 1.09 倍;未在其动作上训练时,模型也可泛化至 DeepSeek-V4-Flash,问题解决率由 72.60% 提升至 74.27%,成本为 1.13 倍。两个模型上,SWE-Verifier 验证的步骤均不足 4%,以显著更低成本取得与轨迹基线和全步骤基线相当或更高的解决率。模型、代码和数据已公开。

关键要点

  1. 01问题:全步骤采样与验证开销高昂,低质量动作还会浪费计算和 API 成本。
  2. 02方法:SWE-Verifier 评分当前动作,仅在必要时触发候选采样、执行前排序并验证。
  3. 03训练:基于 Qwen3.5-4B,使用对比动作、环境观察和准则引导教师分数训练。
  4. 04结果:MiniMax-M2.7 解决率从 75.47% 升至 77.20%,成本为 1.09 倍。
  5. 05泛化与效率:DeepSeek-V4-Flash 解决率升至 74.27%,且仅验证不足 4% 的步骤。

解读

尚无解读。

原始英文摘要

arXiv:2610.30284v1 Announce Type: new Abstract: Coding agents spend substantial computation generating actions and processing long interaction histories. Poor action choices can steer agents into low-value states, wasting computation and increasing API costs. Sampling and verifying alternative actions can improve the agent's decisions, but applying this procedure at every step adds substantial overhead. We introduce SWE-Verifier, a lightweight generative model that selectively triggers candidate sampling and verification. It scores the coding agent's proposed action to determine when additional candidate sampling is needed, then ranks the resulting actions before execution. We train SWE-Verifier from Qwen3.5-4B using preference data that groups contrasting actions with their resulting environment observations and rubric-guided teacher scores. Using the mini-swe-agent harness, SWE-Verifier improves resolution from 75.47% to 77.20% on MiniMax-M2.7 at 1.09 times cost and generalizes to DeepSeek-V4-Flash without training on its actions, improving resolution from 72.60% to 74.27% at 1.13 times cost. Across both models, SWE-Verifier verifies fewer than 4% of steps and achieves comparable or higher resolution than the trajectory and all-step baselines at substantially lower cost. These results demonstrate that selective candidate sampling and lightweight verification provide complementary gains in coding-agent performance and inference efficiency. Our model, code, and data are available at https://github.com/zkjzou/SWE-Verifier.

同方向论文 · cs.LG

查看全部 →

反向发现 · 这篇论文相关的工具与提示词

去交叉发现 →

关联提示词 · 6

编程tech.qimao.com·外部收录·

按规范检查 Go 代码改动,分析问题与服务影响并生成 Code Review 报告

``` # Code Review 规范 你是 golang 编程的专家,现在对代码进行 Code Review,请按照以下步骤进行: (若遇到 git 命令分页的情况,请加上`| cat`) ## 步骤一:代码规范检查 - [ ] 是否遵循最佳实践 @.cursor/rules/rule-code-spec.mdc - [ ] 是否存在重复代码 - [ ] 是否有充分的注释和文档 - [ ] 是否易于理解和维护 ## 步骤二:功能问题分析 - [ ] 分析本次代码改动的影响…

编程zhuanlan.zhihu.com·外部收录·

用于指导 Claude Code 按阶段规划、测试驱动实现、重构并提交代码。

### 1. 规划与分阶段 将复杂的工作分解为 3-5 个阶段。在 `IMPLEMENTATION_PLAN.md` 中记录: ```text ## 阶段 N: [Name] **目标**: [具体可交付成果] **成功标准**: [可测试的结果] **测试**: [具体的测试用例] **状态**: [未开始|进行中|已完成] ``` * 随着进展更新状态 * 所有阶段完成后删除文件 ### 2. 实现流程 1. **理解** - 研究代码库中的现有模式 2. **测试**…

编程github.com/PlexPt/awesome-chatgpt-prompts-zh·外部收录·

充当全栈软件开发人员

我想让你充当软件开发人员。我将提供一些关于 Web 应用程序要求的具体信息,您的工作是提出用于使用 Golang 和 Angular 开发安全应用程序的架构和代码。我的第一个要求是'我想要一个允许用户根据他们的角色注册和保存他们的车辆信息的系统,并且会有管理员,用户和公司角色。我希望系统使用 JWT 来确保安全。

编程github.com/PlexPt/awesome-chatgpt-prompts-zh·外部收录·

充当前端智能思路助手

我想让你充当前端开发专家。我将提供一些关于Js、Node等前端代码问题的具体信息,而你的工作就是想出为我解决问题的策略。这可能包括建议代码、代码逻辑思路策略。我的第一个请求是“我需要能够动态监听某个元素节点距离当前电脑设备屏幕的左上角的X和Y轴,通过拖拽移动位置浏览器窗口和改变大小浏览器窗口。”