arXiv cs.CL· Chengyi Yang, Renxu Bao, Jue Hou, Zongpei Teng, Ziheng Wang, Yujie Lin, Chengsong Huang, Junnan Zhu, Delai Qiu, Yining Wang, Shengping Liu, Fei Long, Jinsong Su·· 6 天前AI 评分40
ProgramGym：为长周期程序复现智能体扩展训练环境
ProgramGym: Scaling Training Environments for Long-Horizon Program Reproduction Agents
AI 导读
研究团队提出 ProgramGym 框架，由 Program-Env 与 Program-Agent 组成，用于长周期程序复现智能体的可扩展训练环境。Program-Env 通过反馈驱动循环修复运行时沙箱构建与黑盒测试质量，构建出覆盖 C、C++、Go、Rust 的 1,648 个训练环境。
正文 · AI 翻译
作者：Chengyi Yang、Renxu Bao、Jue Hou、Zongpei Teng、Ziheng Wang、Yujie Lin、Chengsong Huang、Junnan Zhu、Delai Qiu、Yining Wang、Shengping Liu、Fei Long、Jinsong Su
摘要：编码智能体越来越多地被用于像软件工程师那样从零开始构建程序，而不是解决代码库中的问题或根据给定的需求文档生成代码库。然而，能够迫使智能体发现需求并决定系统应如何设计的可扩展可验证训练环境仍然稀缺。此外，现有的智能体工作流也无法支撑长周期开发，即智能体在实现之前先探索参考程序。为应对这些挑战，我们提出了 ProgramGym，一个由 Program-Env 和 Program-Agent 组成的框架，用于长周期程序复现智能体的可扩展训练环境。具体而言，Program-Env 通过一个反馈驱动的循环从代码库构建可验证的训练环境，该循环修复运行时沙箱构建和黑盒测试的质量。利用这一新颖的流程，我们获得了 1,648 个训练环境，涵盖 C、C++、Go 和 Rust。Program-Agent 将分析、实现和审查的角色隔离工作流与用于编译检查和故障恢复的修订管理相结合。在 ProgramBench 上的实验表明，Program-Env 和 Program-Agent 均提升了程序复现的性能。在这些构建的环境中对轨迹进行微调，将 Qwen3.8-27B 的性能从 34.87% 提升至 42.84%。Program-Agent 进一步将基础模型和 SFT 模型提升至 55.71% 和 56.25%，均超过了一些旗舰模型。我们将发布 ProgramGym，以支持对从零开始构建程序的编码智能体的进一步研究。
| 学科： | 软件工程（cs.SE）；人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用格式： | arXiv:2610.13395 [cs.SE] |
| （或 arXiv:2610.13395v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13395 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Chengyi Yang [查看邮箱]
[v1]
2026年10月9日星期五 11:09:54 UTC（14,316 KB）
来源：arXiv cs.CL · arxiv.org