arXiv cs.SE· Yiran Wu, Andrew Zhao, Yurui Chang, Qingyun Wu, Xuan Feng·· 11 小时前AI 评分40
Beyond Binary Verifiable Rewards：面向 SWE 智能体的行为自奖励方法
Beyond Binary Verifiable Rewards: Behavioral Self-Rewarding for SWE Agents
AI 导读
论文提出 Behavioral Self-Rewarding（BSR），一种奖励细化方法，复用策略对同一任务、同一验证器结果下的轨迹进行可观察调试行为比较，将成对偏好聚合成任务局部分数并转为有界辅助奖励，在保留验证器通过/失败排序的同时引入奖励对比。
来源：arXiv cs.SE · arxiv.org