# 【阅读笔记】Self-play SWE-RL (SSR)：让 Agent 自己出题、自己做题 > 论文链接：https://arxiv.org/abs/2512.18552 > 作者：Meta FAIR，2025年12月 --- ## 1. 一句话总结 Agent 自己向代码库注入 Bug、自己尝试修复，通过双角色自博弈完全摆脱人工标注数据，在 SWE-bench Verified 上...
# 【阅读笔记】Agent-RLVR：用 Guidance 破解 Agent RL 的稀疏奖励难题 > 论文链接：https://arxiv.org/abs/2506.11425 > 作者：Scale AI，2025年6月 --- ## 1. 一句话总结 在多步骤 Agent 任务中，用外部 LLM 提供"导师级提示"帮助失败的 rollout 走出困境，让 RL 训练从稀疏奖励中有效学习...
# 【阅读笔记】SWE-RL：用开源软件演化数据训练代码推理 > 论文链接：https://arxiv.org/abs/2502.18449 > 作者：Meta/FAIR，2025年2月 --- ## 1. 一句话总结 首个将基于规则的强化学习直接应用于真实 GitHub PR 数据的软件工程训练方法，让70B模型在 SWE-bench Verified 达到41.0%，并意外涌现出跨域推...
ReVeal 通过显式优化自我验证能力（TAPO + 生成-验证交替循环），解决 RLVR 中自验证不可靠的核心问题，使代码 Agent 在训练 3 轮后能在测试时稳定扩展到 20+ 轮并持续改进。