热点事件持续更新
arXiv预印本SWE-Critix提出可解释编程agent轨迹裁判
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月9日，arXiv预印本SWE-Critix提出了一种针对编程agent交付物的后训练通用评判模型，旨在替代直接使用裸LLM进行评判的做法。该工作以推理模型Qwen3-30B-A3B为基座，依次进行监督微调（SFT）和强化学习（RL）两阶段训练。在held-out测试集上，评判agent轨迹是否完成的分类准确率从基座模型的57%提升到SFT后的66%，再到RL后的78%。该方法聚焦于编程agent轨迹评判的可解释性与准确性，定位为通用裁判模型而非任务专用评估器。
AI 根据报道生成 · 43 分钟前更新
最新进展10月13日 08:00
SWE-Critix在Qwen3-30B-A3B上经SFT与RL两阶段后训练，轨迹完成判定准确率从基座57%提升至RL后78%。报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- Unbug 一分钟读论文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%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。