Paper Digest: 2026-10-19
今天最值得看的 paper 是 FC-SWE: Failure-Conditioned RL for Long-Horizon Software Engineering Agents。 它抓住了 code agent 训练里一类经常被浪费的数据:失败后的恢复过程。 一个 agent 提交 patch,tests 失败,verifier 已经给出了非常具体的证据。常规 GRPO 通常把这一...
今天最值得看的 paper 是 FC-SWE: Failure-Conditioned RL for Long-Horizon Software Engineering Agents。 它抓住了 code agent 训练里一类经常被浪费的数据:失败后的恢复过程。 一个 agent 提交 patch,tests 失败,verifier 已经给出了非常具体的证据。常规 GRPO 通常把这一...
今天最值得看的 paper 是 Athanor: An Agent-Native System for Autonomous Post-Training Research。 论文做了一场很直接的实验:给四个 Claude Opus 5.5 agents 各一台 8-GPU node,让它们从 Qwen3-4B-Base 出发,自己找数据、写训练代码、跑 SFT 和 RL、分析 evalua...
今天最值得看的 paper 是 PrismaCoder: Pushing the Boundaries of Open Multimodal Code Intelligence through Decomposed Rubric Synthesis。 Coding model 的评测长期依赖一个舒服的假设:程序只要能运行、测试只要能通过,结果就足够好。这个假设放到 visual codin...
今天最值得看的 paper 是 Agent-Reflex: Teaching Language Agents to Act Reflectively。 真实环境里的 agent 很少收到干净、确定的反馈。MCP tool 可能返回噪声,网页状态可能发生变化,用户也会在中途指出错误。一个 action 只要走错一步,后面的 reasoning 很容易建立在错误观察之上,最终形成一条看似完整、...
今天最值得看的 paper 是 AgentSWE: Can Coding Agents Build the Agent You Actually Want? Coding agent 已经可以修 bug、补 tests、完成 issue。越来越多人也开始让它直接构建一个长期运行的 agent:接收自然语言需求,选择模型和工具,管理状态,最后交付一个固定成本、可以反复使用的系统。 Agen...
今天最值得看的 paper 是 ProgramGym: Scaling Training Environments for Long-Horizon Program Reproduction Agents。 很多 coding benchmark 给 agent 一份 repository 和一个明确 issue,终点是修好 bug、通过 tests。ProgramGym 研究了一类更接近...
今天最值得看的 paper 是 MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement。 这份小米技术报告给出的关键信号很直接:训练更强的 agent model,需要同时扩展 rollout、grader、environment、harness 和 training infrastructure。只扩大优化器一...
今天最值得看的 paper 是 Before They Can Solve: Predicting Post-Training Coding-Agent Performance from Base Models。 它问了一个很贵的问题:准备训练 coding agent 时,怎样提前判断哪个 base checkpoint 值得投入一轮昂贵的 SFT 或 RL? 常用的 end-to-e...
今天最值得看的 paper 是 Rethinking Cross-Tokenizer On-Policy Distillation: From Alignment Coverage to Supervision Reliability。 它研究一个越来越常见的 post-training 场景:teacher 和 student 使用不同 tokenizer 时,怎样做 on-policy...
今天最值得看的 paper 是 Correct Code, Broken Contributions? SWE-CC: Benchmarking Repository Policy Compliance for Coding Agents。 现在的 coding-agent benchmark 通常问一个问题:patch 能不能通过测试? SWE-CC 加入了另一个现实问题:这份贡献符合...