arXiv论文提出BSR方法：利用行为自奖励增强软件工程智能体训练

Beyond Binary Verifiable Rewards: Behavioral Self-Rewarding for SWE Agents 针对可验证奖励强化学习（RLVR）中二元测试结果无法细分调试质量的问题，研究人员提出了行为自奖励（Behavioral Self-Rewarding, BSR）方法。该方法直接利用当前策略模型对相同任务结果的轨迹行为进行对比评估并生成辅助奖励，在SWE-bench Verified和SWE-bench-Live基准上显著提升了智能体性能。