🔥 今日值得一读
不到4%步骤触发验证，解决率反升，成本仅1.09倍！
SWE-VERIFIER: Selective Verification for Cost-Efficient Coding Agents
👨💼 主理人解读 · 为什么值得关注
可在编码Agent中只在关键步骤做采样验证，兼顾决策质量与成本，适合降低SWE任务API开销。
📖 AI 总结
本文提出SWE-Verifier，一种轻量级生成模型，用于在编码智能体执行动作前进行选择性验证。针对编码智能体因动作选择不当而浪费算力与API成本的问题，该模型先对智能体提出的动作打分，判断是否需要额外采样候选动作，再对候选动作排序后执行，从而避免在每一步都进行采样验证带来的开销。模型基于Qwen3.5-4B，使用包含对比动作、环境观察和评分标准引导的教师评分数据训练。在mini-swe-agent框架下，SWE-Verifier将MiniMax-M2.7的任务解决率从75.47%提升至77.20%，成本仅为1.09倍；在未训练其动作的DeepSeek-V4-Flash上同样有效，解决率从72.60%提升至74.27%，成本为1.13倍。两个模型上验证步数均不足4%，却达到与全步验证基线相当或更高的解决率且成本显著更低。结果表明，选择性候选采样与轻量验证能在性能与推理效率上形成互补增益。
🔑 关键词速览
| SWE-Verifier | 一种轻量级生成模型，用于选择性地触发候选动作采样与验证，以提升编码智能体的决策效率和性能。 |
| 编码智能体 (Coding Agent) | 能够自动生成代码、执行动作并与环境交互以完成编程任务的智能体系统。 |
| 候选采样 (Candidate Sampling) | 在决策时生成多个备选动作的过程，用于探索更优选择。 |
| 偏好数据 (Preference Data) | 包含对比动作及其环境观察和教师评分的数据，用于训练模型区分动作优劣。 |
| mini-swe-agent | 一种用于评估编码智能体性能的测试框架或环境。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅