面向科学领域的终端环境自监督扩展: SWR框架用现有软件工作流生成可验证训练数据

摘要

研究提出软件在环重建（software-in-the-loop reconstruction，SWR）这一自监督框架，从既有软件工作流中获取参考输出与验证目标：对每条工作流执行多种输入配置，将样例划分为公开观测与隐藏评测，智能体仅凭指令、输入模式和公开输入输出观察构建可编辑程序，再在隐藏配置上与工作流输出比对；分层验证器结合领域语义比较、结构有效性与防捷径检查，公开反馈支持迭代修改。SWR实例覆盖六个领域、46个软件家族共500条工作流；Qwen3.8-Max在每任务三次尝试中解出838个任务，产生1,422条已验证轨迹，过采样为3,000个仅重建训练样本。对Qwen3.8-27B的监督微调使Terminal-Bench 2平均成绩在三个随机种子上由47.94%升至53.56%，并在全部四项报告评测中取得四个等token语料对照的最高均值。