arXiv · AI· Chenqian Le, Jiayi Cheng, Qijia He, Runhao Li, Yinghao Li, Xupeng Chen·· 2026-10-12AI 评分25
Qwen3-8B 多执行框架强化学习在 SWE-bench Verified 上的增益与依赖研究
Multi-Harness Reinforcement Learning for Coding Agents: Training Gains and Harness Dependence
AI 导读
基于同一 SFT 检查点训练两个 Qwen3-8B 变体,发现多执行框架强化学习在 SWE-bench Verified 上带来有限增益。 Cross 归一化比 Within 平均多提升 0.29 个百分点(0.77 vs 0.48),但未在未见框架中持续优于 Within 规则。 模型在不同执行框架间的表现差异(7.13 个百分点)远大于训练增益或归一化规则差异。
来源:arXiv · AI · arxiv.org