SWE-World：在无 Docker 环境中构建软件工程智能体

针对现有软件工程智能体依赖容器化执行反馈导致资源消耗大、维护困难的问题，本文提出 SWE-World 框架。该框架利用基于真实交互数据训练的 LLM surrogate 模型，预测中间执行结果与测试反馈，从而在无物理容器环境下实现智能体训练与评估。此设计保留了标准的智能体 - 环境交互循环，消除了昂贵环境构建成本，并支持测试时缩放（TTS）以优化多尝试策略。实验表明，该方法显著提升了模型在 SWE-bench Verified 上的表现。