Agent-RLVR: Training Software Engineering Agents via Guidance and Environment Rewards
印象中这是我第一个看到的SWE Agent领域的rl工作？甚至是scale AI搞的。作者搞了一个叫做guidance的setting，就是让模型先试一次，然后给出一些对于traj的反馈，再让模型重试一次
2025-06-16-insights
相关文章
印象中这是我第一个看到的SWE Agent领域的rl工作？甚至是scale AI搞的。作者搞了一个叫做guidance的setting，就是让模型先试一次，然后给出一些对于traj的反馈，再让模型重试一次