概念导读
SWE Agent 训练从 execution-free（纯 SFT）走向 execution-based（带环境反馈的 RL）。
- 核心转变
- 方法
- 意义
- Related
SWE-ZERO to SWE-HERO
核心转变
SWE Agent 训练从 execution-free（纯 SFT）走向 execution-based（带环境反馈的 RL）。
方法
- Execution-free: 纯文本训练，不运行代码
- Execution-based: 训练时执行 patch，用测试结果做 reward
- 渐进式从 free 到 based 的训练策略
意义
执行反馈是 SWE Agent 超越纯文本推理的关键。类似于 RLVR 在推理模型中的作用。