BSR：用策略自评改进SWE Agent训练

1. 12:00
   arXiv cs.SE

   Beyond Binary Verifiable Rewards：面向 SWE 智能体的行为自奖励方法

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。