DeepSWE：通过开源强化学习革新编程代理
realtime news Jul 02, 2025 18:40
DeepSWE-Preview 是一个先进的编程代理，在 SWE-Bench-Verified 测试中实现了 59% 的成功率，树立了开源 AI 的新标杆，展示了利用强化学习的最先进性能。
在 AI 驱动的软件开发取得重大进展的背景下，DeepSWE-Preview 作为一个开创性的开源编程代理出现。根据Together AI的说法，该代理由 Agentica 团队与 Together AI 联合开发，利用强化学习（RL）在 SWE-Bench-Verified 基准测试中实现了 59% 的通过率。
革新软件工程
DeepSWE-Preview 构建在 Qwen3-32B 模型之上，仅利用强化学习提升其能力。该方法使该代理超越其他开放权重的编程代理，实现了 42.2% 的 Pass@1 率和 71.0% 的 Pass@16 率。该模型在六天内使用 64 台 H100 GPU 进行了训练，解决了 4,500 个来自 R2E-Gym 训练环境的实际软件工程任务。
利用 rLLM 的力量
DeepSWE-Preview 的训练由 rLLM 平台支持，这是 Agentica 为后训练语言代理设计的框架。该框架允许数据集、代码和训练日志的开源化，鼓励通过强化学习进行协作，扩大和改进代理的能力。32B 模型开发为智能编程代理的完整训练方案现已向公众开放，促进透明度和创新。
新兴行为与表现
DeepSWE-Preview 在训练期间表现出新兴行为，如预判极端情况和进行全面的回归测试。这些能力对于处理复杂的软件工程任务至关重要，这些任务需要浏览庞大的代码库并确保与现有功能的兼容性。
测试时刻扩展与进一步发展
DeepSWE-Preview 采用测试时刻扩展（TTS）来提升性能，结合了无执行和基于执行的验证方法。这种混合扩展策略显著提升了其 Pass@1 性能，使其与其他模型区别开来。未来的研究将探索更大的模型，并扩展到不同领域，包括网络代理。
DeepSWE-Preview 代表着在民主化 AI 开发方面的一个关键步骤，展示了强化学习在解决软件工程中长期、多步骤挑战的潜力。其开源特性邀请全球研究界参与和构建其成功之上。
Image source: Shutterstock.jpg)
