超越二元可验证奖励：面向软件工程 Agent 的行为自奖励

英文标题：Beyond Binary Verifiable Rewards: Behavioral Self-Rewarding for SWE Agents

论文探讨了面向软件工程 Agent 的行为自奖励。原摘要指出，基于可验证奖励的强化学习（RLVR）可通过可执行测试为软件工程 Agent 提供可靠的监督，但二元奖励无法区分调试质量差异显著的执行轨迹。提供的摘要在研究介绍处截断，未包含具体方法、实验数据或结论。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB