跳到正文
arXiv cs.CL· Yang Tian, Tianyu Zheng, Xiyuan Yang, Yaxin Du, Chengran Yang, Bo Zhao, Jian Yang, Bryan Dai·· 9 小时前AI 评分40

RepoFactory:用环境进化循环将代码仓库扩展为长程编码智能体训练环境

From Repositories to Training Environments: Scaling Long-Horizon Coding Agents with Environment Evolution Loop

AI 导读

RepoFactory 是一个自动流水线,可将真实代码仓库转换为可验证训练环境,其 Environment Evolution Loop 通过代理反馈优化有效性、结构耦合与实现范围。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:训练面向长周期任务的编码智能体需要具备可验证反馈的环境。现有流水线通常遵循以验证为终点的线性流程,这确立了可用性,但对提升训练价值提供的指导很少。递归自我改进(RSI)通常需要模型 rollout 或模型训练,随后进行下游评估,而在长周期任务上,成本和反馈延迟会被放大。我们如何利用及时、可靠的代理信号来提升训练价值,并大规模合成环境?我们提出 RepoFactory,一个自动化流水线,可将真实代码仓库转换为可验证环境,智能体在其中根据语言规范从零构建完整项目。其环境演化循环通过代理反馈优化一个由有效性、结构耦合和实现范围相乘构成的目标。RepoFactory 在 17 个软件领域生成了 10,159 个环境。在这些环境上训练 Qwen3.5-35B-A3B 得到 RepoHorizen-35B-A3B,与未进行环境演化时的 17.5 和 6.4 个百分点相比,其在 NL2Repo-Bench 上取得 22.6 个百分点的提升,在涵盖真实生产环境中长周期编码和智能体任务的五个基准上平均提升 8.5 个百分点。这些结果凸显了 RepoFactory 环境的训练价值,以及环境演化循环带来的额外收益。
学科: 计算与语言(cs.CL)
引用为: arXiv:2611.21152 [cs.CL]
  (或 arXiv:2611.21152v2 [cs.CL] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.21152

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Yang Tian [查看电子邮件]
[v1] 2026年11月16日星期一 14:20:58 UTC(868 KB)
[v2] 2026年11月17日星期二 07:05:38 UTC(868 KB)

来源:arXiv cs.CL · arxiv.org