SWE-Protégé：学会选择性地与专家协作解锁小语言模型作为软件工程智能体

小语言模型在成本和延迟上具优势，但在长程软件工程任务中表现不佳。本文提出 SWE-Protégé 后训练框架，将软件修复重构为专家与学徒的协作问题。该框架让小模型作为唯一决策者，学习选择性寻求指导、识别停滞状态并执行反馈。结合监督微调与智能体强化学习，有效抑制死循环。实验显示，经轻量后训练的 Qwen2.5-Coder-7B 在 SWE-bench Verified 上通过率提升至 42.4%，显著超越现有小模型水平。