北大、字节跳动联手发布SWE-Swiss：一把修复代码Bug的「瑞士军刀」，完整配方直指开源SOTA
由北京大学、字节跳动 Seed 团队与香港大学联合研发的 SWE-Swiss 方法，成功训练出 32B 参数模型 SWE-Swiss-32B，在软件工程基准 SWE-bench Verified 上取得 60.2% 的准确率，达到同尺寸模型的 SOTA，并与更大模型性能相当。该方法将软件工程任务拆解为代码定位、修复和单元测试生成三部分，并采用高质量数据集与两阶段训练流程：SFT 阶段达到 36.0%，RL 阶段提升至 45.0%，最终通过“增强自我一致性”策略将性能提升至 60.2%。研究团队表示将开源模型与数据，推动相关领域发展。来源：https://mp.weixin.qq.com/s/3wBQR9tD0IfooaCgXN12Sw
页:
[1]