CodeScout：一种有效的代码搜索代理强化学习方案

代码代理在大型仓库执行任务的前提是代码定位，即识别相关文件、类和函数。现有方法多依赖嵌入检索或复杂专用工具（如静态分析图）。本文证明，通过有效的强化学习方案，仅配备标准 Unix 终端的编码代理也能取得优异成果。在 SWE-Bench 等多个基准测试中，该模型性能超越或媲美大 2-18 倍的基础及后训练模型，甚至接近闭源模型表现。研究重点在于复用现有环境、奖励设计及 RL 优化技术，并开源了 CodeScout 模型家族及相关代码数据。