摘要
本文提出 KAT-Coder-V2.5，一种专注于在真实可执行仓库中自主行动的编码代理模型。针对高质量轨迹稀缺的瓶颈，我们设计了端到端代理后训练框架：AutoBuilder 重构多语言仓库以生成验证环境并蒸馏监督信号，KwaiClawEnv 合成大规模工具使用轨迹。此外，通过强化学习扩展及多教师策略蒸馏统一专家模型。实验表明，该模型在 PinchBench 上取得最佳代理工具使用结果，并在仓库级软件工程基准中仅次于前沿模型 Opus 4.8。
AI 推荐理由
论文核心在于构建自主代码代理，重点解决工具使用轨迹合成、环境交互及多步任务执行能力。
研究机构
KwaiKAT
论文信息