摘要： AI领域再添新星！Together.ai与Agentica联合开源了AI Agent框架DeepSWE，该框架基于Qwen3-32B模型，并采用强化学习进行训练。DeepSWE在SWE-Bench-Verified基准测试中表现卓越，其开源特性将有力推动强化学习在软件工程领域的应用与发展。
北京 – 人工智能（AI）正在以前所未有的速度渗透到各个行业，而软件工程领域也不例外。近日，知名AI公司Together.ai与Agentica联合宣布开源其共同研发的AI Agent框架——DeepSWE。这一举措无疑为软件工程的自动化和智能化注入了新的活力。
DeepSWE基于强大的Qwen3-32B模型，并采用强化学习（RL）进行训练。不同于依赖于更强的专有教师模型的蒸馏或监督微调（SFT）的传统方法，DeepSWE完全从零开始学习，这使得它在面对复杂软件工程任务时能够做出更优的决策。
该框架在SWE-Bench-Verified基准测试中表现出色，测试时扩展（TTS）后的准确率高达59.0%，不使用TTS时Pass@1准确率达42.2%，位列开源Agent框架榜首。这一成绩充分证明了DeepSWE在代码理解、编辑和问题解决方面的强大能力。
DeepSWE的技术亮点：
- 强化学习训练： 完全基于强化学习，不依赖于专有模型，更具自主学习能力。
- rLLM框架： 基于rLLM框架进行训练，提供高效的数据管理和训练流程，支持大规模的强化学习训练。
- 稀疏结果奖励模型： 只有当模型生成的代码补丁通过所有测试时才给予正奖励，促使模型学习生成高质量的解决方案。
- 测试时扩展（TTS）： 生成多个轨迹并选择其中正确解决问题的轨迹，显著提高模型的准确率。
- Kubernetes支持： 集成Kubernetes支持，实现容器的弹性调度和自动缩放，确保训练过程的高效性和稳定性。
DeepSWE的应用场景：
DeepSWE的应用潜力巨大，涵盖了软件工程的多个方面：
- 代码理解和编辑： 自动理解和修改代码，快速定位修复漏洞、优化性能瓶颈及重构代码结构。
- 软件问题解决： 高效处理GitHub上的问题、实现新功能及将复杂任务分解为可管理的子任务。
- 自动化测试和验证： 自动生成测试用例，执行代码构建和自动化测试，进行回归测试，确保软件的稳定性和可靠性。
- 多步骤推理和解决方案优化： 基于多步骤推理解决复杂问题，不断迭代优化解决方案，积累经验。
- 开发辅助和协作： 为开发人员提供实时代码建议和补全提示，辅助项目管理和任务分配，促进团队成员之间的协作和交流。
开源的意义：
Together.ai和Agentica选择开源DeepSWE，无疑是加速AI在软件工程领域应用的重要一步。通过开源，开发者可以：
- 学习和改进Agent： 模型训练数据、代码、训练和评估日志等全部开源，助力开发者学习和改进Agent。
- 推动技术发展： 促进强化学习在软件工程领域的应用与发展。
- 共同构建生态： 吸引更多开发者参与，共同构建更加完善的AI Agent生态系统。
DeepSWE的开源，不仅为软件工程领域带来了新的工具，更预示着AI驱动的软件开发模式即将到来。随着技术的不断进步和应用场景的不断拓展，我们有理由相信，AI将在软件工程领域发挥越来越重要的作用。
项目地址：
HuggingFace模型库：https://huggingface.co/agentica-org/DeepSWE-Preview
参考文献：
- Together.ai官方网站
- Agentica官方网站
- Hugging Face模型库
（完）
Views: 0