ExecCritic引入了一种框架，将测试构建与源代码修复分离开来，以防止编码智能体产生虚假的信心。该系统采用一个Test智能体和一个Repair智能体，两者均由Qwen-3.5-35B-A3B提供支持，并分别使用强化学习进行训练。
这种方法使编码智能体能够通过可靠的执行反馈改进仓库修复工作，而在评估过程中无需更强的模型或Oracle反馈。
| Benchmark | 模型 | 得分 |
|---|---|---|
| SWE-bench Verified | Qwen Test agent + Repair agent (post-trained) | 72.6% |
| SWE-bench Verified | GPT-5.6-sol (Test agent) | 65.3% |
| SWE-bench Verified | Qwen Test agent (post-trained) | 62.2% |
| SWE-bench Verified | base Repair agent (no-test baseline) | 61.2% |
| SWE-bench Verified | base Test agent (no-test baseline) | 57.3% |
研究人员推出了ExecCritic，这是一个将测试-验证-修订框架与角色特定的强化学习相结合，以增强编码智能体的框架。该系统将测试构建与源代码修复分离，使用Test智能体生成仓库原生测试，并使用Repair智能体根据执行反馈修订代码。
阿里巴巴发布了 Qwen3.8-Flash-Next 模型权重，作为即将推出的 Qwen4 架构的预览，供开发者进行实验和评估。
Qwen 3.8 Max 的正式发布证实了早期印象，即该模型速度极快，在规划方面能力出众，并擅长识别问题中的不必要复杂性。
微软研究院推出了Flint，这是一种开源的可视化中间语言，旨在帮助AI代理从简单、可由人类编辑的规范中生成富有表现力且视觉精美的图表。该系统通过使用语义数据类型自动推导出优化的比例、布局和格式，解决了冗长脆弱的低级参数与缺乏灵感的默认输出之间的权衡问题。
GitHub Copilot 允许其聊天窗口使用自带密钥（BYOK），但明确禁止将这些自定义模型用于内联代码自动补全。VS Code 团队的官方理由是声称缺乏合格的 Fill-in-the-Middle (FIM) 模型，作者认为这一说法是不正确的推卸责任。
我们使用 Cookie 来统计访问量并改进网站。您可以接受或拒绝分析 Cookie。 隐私政策