Mastermind：基于策略的仓库级漏洞复现学习

仓库级漏洞复现是一项高难度软件工程任务，要求智能体检查代码库、推断输入语法、构建概念验证并验证修复效果。本文主张“策略”而非完整行动轨迹应作为学习单元，因其紧凑、具体且稳定。我们提出 Mastermind 双循环框架，将可迁移策略学习与特定任务经验分离。可训练规划器通过监督微调和基于里程碑的 GRPO 学习复用策略，而经验循环维护局部记录以指导后续尝试。实验表明，该方法显著提升了不同执行器在漏洞复现任务上的通过率。