# Бинарлы верификацияланған сыйақылардан артық: SWE агенттері үшін мінез-құлықтық өзі-өзі сыйлау

> Толық мәтін ағылшын тілінде

**Published:** 2026 ж. 12 қазан
**Author:** Yiran Wu, Andrew Zhao, Yurui Chang, Qingyun Wu, Xuan Feng
**Source:** arXiv — cs.AI
**Language:** en-US
**HTML:** https://aiqazaqstan.com/kk/articles/beyond-binary-verifiable-rewards-behavioral-self-rewarding-for-swe-agent

arXiv:2610.12598v1 Жариялау түрі: жаңа Анотация: Тексерілетін сыйақылармен күшейту оқытуы (RLVR) орындалатын тестер арқылы бағдарламалық инженерия агенттеріне сенімді бақылау қамтамасыз етеді, бірақ бинарлы сыйақылар елеулі түрде әртүрлі траекторияларды бөлектеуде жеткіліксіз...

> Материал бастапқы дереккөзден алынған: **arXiv — cs.AI**
> [Толық мәтінді arXiv — cs.AI сайтында оқу](https://arxiv.org/abs/2610.12598)

**Тегтер:** #arXiv

---

*AI Qazaqstan — non-commercial informational portal about AI in Kazakhstan. Machine translations and summaries are AI-generated.*