DeepSWE翻译站点

一、DeepSWE是什么

DeepSWE-Preview 是一个开放源码的强化学习编程智能体，基于 Qwen3‑32B 并采用 rLLM 框架训练，仅通过 200 步 RL 步骤，便显著提升成绩，在 SWE‑Bench‑Verified 上达 59%，创开源 LLM Agent 之最，Pass@1 达 42.2%。

该智能体能理解多文件代码结构，调用 bash、致动编辑器、执行测试等工具，模拟人类软件开发全流程，自动生成、修改并验证代码。

二、研发背景与目标定位

软件工程、LLM 与 RL 的融合

过去基于 GPT 的代码生成依赖SFT，但缺乏交互并验证能力；DeepSWE探索将RL引入，直接在代码环境中通过工具调用与反馈进行训练，提升代理整体解决能力。

提升真实开发表现

通过真实环境中的实际工具链训练，DeepSWE能处理更多边界情况、自我检查错误并修复，贴近真实开发者操作模式。

三、技术架构与训练机制

RL+Tool 调用架构

基于R2E‑Gym 环境，DeepSWE 使用 bash、搜索、文件编辑及 finish等工具，以交互式方式完成代码修复任务。

GRPO++ 算法创新

引入无KL约束、高熵探索、去除方差标准化、length norm、LOO 策略，提升 RL 稳定与长序列任务表现。

测试期增强效果

运行16次 rollouts 并使用 verifier LLM 可将准确率提升至 59%，比基础模型高出约 17 点。

四、性能表现

• SWE‑Bench‑Verified：59.0%（Hybrid TTS），42.2% Pass@1。

• 对比竞品：打败OpenHands、Skywork-SWE等多款 32B 开源模型。

• 训练成本：6 天、64 张 H100；200 RL 步骤即可显著提升≧20%。

五、部署方式与使用建议

推荐部署：vLLM

建议配合 vLLM（>=0.8.5）使用长上下文支持，本地推理效果良好。

API 接入方式

兼容 OpenAI Chat Completion 接口，支持 Hugging Face TGI、TensorRT‑LLM 等推理框架。

运行配置建议

温度设为1，max tokens >32K，使用 Agentica 推荐 prompt 和工具集配置，确保最优表现。

六、适用场景与用户价值

零代码修复

可在PR中自动定位错误、生成修复代码并验证，节省人力。

多文件工程辅助

DeepSWE擅长大型项目，尤其能处理跨文件依赖、环境配置和测试验证问题。

AI助手嵌入

适合嵌入 IDE、CI/CD、ChatOps 中自动修复或建议代码更改。

研发流水线集成

可作为微服务集成至 DevOps 平台，为企业提供一键补丁能力。

七、优势分析与局限

八、项目生态与社区反馈

• GitHub Agentica/rLLM 提供完整 RL post-training 框架。

• Together AI 全栈开源：模型、训练脚本、数据集和日志，共建共享。

• 社区热议：Reddit 用户称其“标志着下一代 AI Agent 进入实用阶段”。

九、常见问题（FAQ）

问：DeepSWE 是免费可用的吗？
答：完全开源（MIT许可），包括模型权重、训练脚本、数据与日志 。

问：如何试用？
答：可在 Hugging Face Hub 上体验，也可通过 vLLM 等工具本地部署使用。

问：支持哪些语言与任务？
答：目前支持调用 bash、查找、编辑、多文件环境，适用于多语言项目（Python、C++ 等）。

问：硬件需求高吗？
答：建议部署使用单张或多张 GPU 配合 vLLM，推荐长期运行环境以支持长上下文。

问：适合自定义工程吗？
答：可用 rLLM 继续对 DeepSWE 进行微调，适配专属工程任务 。

十、总结与推荐路径

DeepSWE重塑了代码智能体训练方式，是开源 RL Agent 在软件工程问题上的突破探索。它具备：

• 端到端代码修复能力；

• 真实 world 工具调用能力；

• 高准确率与强开源透明性；

• 广泛适用性与可扩展性。

建议：

1. 体验 Hugging Face 版本，了解模型基本行为；

2. 本地部署使用 vLLM，测试在你项目中的表现；

3. 结合自定义环境微调，挑战高难度工程任务；

4. 持续关注 rLLM 和社区迭代，提升 RL agent 能力；

5. 部署为 CI/CD 补丁助手，或集成进 IDE 实现智能编码协作。

DeepSWE是 AI工具使用者迈向智能编程自动化的重要里程碑，一款值得深度探索与集成的技术资产。