# 超越二元可验证奖励：面向SWE智能体的行为自我奖励

> 全文为英语

**Published:** 2026年10月12日
**Author:** Yiran Wu, Andrew Zhao, Yurui Chang, Qingyun Wu, Xuan Feng
**Source:** arXiv — cs.AI
**Language:** en-US
**HTML:** https://aiqazaqstan.com/zh/articles/beyond-binary-verifiable-rewards-behavioral-self-rewarding-for-swe-agent

arXiv:2610.12598v1 公告类型：new 摘要：带有可验证奖励的强化学习（RLVR）通过可执行测试为软件工程智能体提供可靠监督，但二元奖励无法区分具有实质性差异的轨迹……

> 内容来自原始来源： **arXiv — cs.AI**
> [在 arXiv — cs.AI 阅读全文](https://arxiv.org/abs/2610.12598)

**标签：** #arXiv

---

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