arXiv cs.AI· Sida Li, Yuanxin Liu, Shicheng Li, Linli Yao, Xu Sun, Haoli Bai, Xiaohui Li·· 6 天前AI 评分26
TQS：面向编程智能体监督微调的结构化轨迹评分框架
Quality, Not Just Outcome: A Structural Scoring Framework for Selecting Coding-Agent Trajectories for Supervised Fine-Tuning
AI 导读
研究者提出 TQS（Trajectory Quality Score），一种直接作用于轨迹结构、无需 LLM 评判且线性时间运行的编程智能体轨迹评分框架，围绕信息聚焦、意图-动作对齐与策略动态刻画结构化收敛。
正文 · AI 翻译
摘要：开放式编码智能体通常通过在交互轨迹上进行监督微调来训练，这些轨迹的最终补丁能通过基准测试套件。然而，这种结果层面的筛选标准忽略了过程质量：最终成功的轨迹仍可能包含低效的交互模式，例如重复的文件检查、不稳定的工具使用或延迟的修改行为，而所有这些都会成为模仿目标的一部分。我们提出 TQS（轨迹质量分数），一个面向编码智能体轨迹的结构化评分框架，它直接作用于轨迹结构，无需 LLM 评判，并以线性时间运行。TQS 通过围绕结构化收敛组织的结构信号来刻画轨迹质量：信息聚焦、意图—行动对齐和策略动态。使用来自公共开放许可语料库的 155,144 条成功轨迹，我们按 TQS 对轨迹进行排序，并在筛选后的子集上微调编码智能体。在 SWE-Bench-Verified 上，使用排名靠前轨迹训练的模型始终优于使用随机或排名靠后子集训练的模型。我们的结果表明，过程层面的轨迹质量是编码智能体监督中的一个重要因素，并且结构化轨迹筛选为基于 LLM 的数据选择提供了一种有效且可扩展的替代方案。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.13152 [cs.AI] |
| （或使用 arXiv:2610.13152v1 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.13152 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
发件人：Sida Li [查看电子邮件]
[v1]
2026年10月9日星期五 07:40:42 UTC（771 KB）
来源：arXiv cs.AI · arxiv.org