摘要
针对开源软件工程代理，现有基于长教师轨迹的监督微调常继承中间缺陷与冗余。本文提出 P2T 方法，利用开发者参考补丁作为特权信息，将轨迹构建建模为单步有效性与长度的双目标优化。通过逆向阶段蒸馏潜在过程图，正向阶段筛选最短有效片段，显著提升了训练数据质量。实验表明，该方法在 SWE-bench Verified 上 Pass@1 提升达 10.8%，同时降低推理成本，证明了高质量推理轨迹的重要性。
AI 推荐理由
论文核心在于通过过程监督优化 Agent 的推理轨迹，提升每一步的有效性与逻辑连贯性。
研究机构
新加坡国立大学
上海交通大学
微软亚洲研究院
伦敦国王学院
论文信息