# За пределами бинарных верифицируемых наград: поведенческое самонаграждение для SWE-агентов

> Полный текст доступен на английском

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

arXiv:2610.12598v1 Тип объявления: new Abstract: Обучение с подкреплением с верифицируемыми наградами (RLVR) обеспечивает надежный надзор за агентами программной инженерии через исполняемые тесты, но бинарные награды не позволяют различать траектории с существенно разными...

> Материал агрегирован из первоисточника: **arXiv — cs.AI**
> [Читать полностью в arXiv — cs.AI](https://arxiv.org/abs/2610.12598)

**Теги:** #arXiv

---

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