Buchumschlag

When Agents go Astray: Course-Correcting SWE Agents with PRMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gandhi, Shubham, Tsay, Jason, Ganhotra, Jatin, Kate, Kiran, Rizk, Yara
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Repairing Tool Calls Using Post-tool Execution Reflection and RAG
von: Tsay, Jason, et al.
Veröffentlicht: (2025)

Resolving Java Code Repository Issues with iSWE Agent
von: Ganhotra, Jatin, et al.
Veröffentlicht: (2026)

Evaluating Plan Compliance in Autonomous Programming Agents
von: Liu, Shuyang, et al.
Veröffentlicht: (2026)

SWE-Shepherd: Advancing PRMs for Reinforcing Code Agents
von: Dihan, Mahir Labib, et al.
Veröffentlicht: (2026)

Reproduction Test Generation for Java SWE Issues
von: Ahmed, Toufique, et al.
Veröffentlicht: (2026)

Heterogeneous Prompting and Execution Feedback for SWE Issue Test Generation and Selection
von: Ahmed, Toufique, et al.
Veröffentlicht: (2025)

Investigating Test Overfitting on SWE-bench
von: Ahmed, Toufique, et al.
Veröffentlicht: (2025)

AgentLens: Revealing The Lucky Pass Problem in SWE-Agent Evaluation
von: Sahoo, Priyam, et al.
Veröffentlicht: (2026)

TOM-SWE: User Mental Modeling For Software Engineering Agents
von: Zhou, Xuhui, et al.
Veröffentlicht: (2025)

SWE-Next: Scalable Real-World Software Engineering Tasks for Agents
von: Liang, Jiarong, et al.
Veröffentlicht: (2026)

Saving SWE-Bench: A Benchmark Mutation Approach for Realistic Agent Evaluation
von: Garg, Spandan, et al.
Veröffentlicht: (2025)

Process-Centric Analysis of Agentic Software Systems
von: Liu, Shuyang, et al.
Veröffentlicht: (2025)

SWE-Bench-CL: Continual Learning for Coding Agents
von: Joshi, Thomas, et al.
Veröffentlicht: (2025)

SWE-smith: Scaling Data for Software Engineering Agents
von: Yang, John, et al.
Veröffentlicht: (2025)

SWE-Effi: Re-Evaluating Software AI Agent System Effectiveness Under Resource Constraints
von: Fan, Zhiyu, et al.
Veröffentlicht: (2025)

SWE-Skills-Bench: Do Agent Skills Actually Help in Real-World Software Engineering?
von: Han, Tingxu, et al.
Veröffentlicht: (2026)

Otter: Generating Tests from Issues to Validate SWE Patches
von: Ahmed, Toufique, et al.
Veröffentlicht: (2025)

Kimi-Dev: Agentless Training as Skill Prior for SWE-Agents
von: Yang, Zonghan, et al.
Veröffentlicht: (2025)

The SWE-Bench Illusion: When State-of-the-Art LLMs Remember Instead of Reason
von: Liang, Shanchao, et al.
Veröffentlicht: (2025)

ResearchCodeAgent: An LLM Multi-Agent System for Automated Codification of Research Methodologies
von: Gandhi, Shubham, et al.
Veröffentlicht: (2025)

SWE-Fuse: Empowering Software Agents via Issue-free Trajectory Learning and Entropy-aware RLVR Training
von: Wen, Xin-Cheng, et al.
Veröffentlicht: (2026)

SWE-chat: Coding Agent Interactions From Real Users in the Wild
von: Baumann, Joachim, et al.
Veröffentlicht: (2026)

SWE-Replay: Efficient Test-Time Scaling for Software Engineering Agents
von: Ding, Yifeng, et al.
Veröffentlicht: (2026)

SWE-CI: Evaluating Agent Capabilities in Maintaining Codebases via Continuous Integration
von: Chen, Jialong, et al.
Veröffentlicht: (2026)

SWE-Chain: Benchmarking Coding Agents on Chained Release-Level Package Upgrades
von: Lam, Man Ho, et al.
Veröffentlicht: (2026)

An Empirical Study on Strong-Weak Model Collaboration for Repo-level Code Generation
von: Gandhi, Shubham, et al.
Veröffentlicht: (2025)

SWE-MiniSandbox: Container-Free Reinforcement Learning for Building Software Engineering Agents
von: Yuan, Danlong, et al.
Veröffentlicht: (2026)

Beyond Verifiable Rewards: Rubric-Based GRM for Reinforced Fine-Tuning SWE Agents
von: Huang, Jiawei, et al.
Veröffentlicht: (2026)

Dissecting the SWE-Bench Leaderboards: Profiling Submitters and Architectures of LLM- and Agent-Based Repair Systems
von: Martinez, Matias, et al.
Veröffentlicht: (2025)

SWE-AGI: Benchmarking Specification-Driven Software Construction with MoonBit in the Era of Autonomous Agents
von: Zhang, Zhirui, et al.
Veröffentlicht: (2026)

Training Versatile Coding Agents in Synthetic Environments
von: Zhu, Yiqi, et al.
Veröffentlicht: (2025)

GSO: Challenging Software Optimization Tasks for Evaluating SWE-Agents
von: Shetty, Manish, et al.
Veröffentlicht: (2025)

OASBuilder: Generating OpenAPI Specifications from Online API Documentation with Large Language Models
von: Lazar, Koren, et al.
Veröffentlicht: (2025)

APEX-SWE
von: Kottamasu, Abhi, et al.
Veröffentlicht: (2026)

SWE Context Bench: A Benchmark for Context Learning in Coding
von: Zhu, Jiayuan, et al.
Veröffentlicht: (2026)

SWE-Universe: Scale Real-World Verifiable Environments to Millions
von: Chen, Mouxiang, et al.
Veröffentlicht: (2026)

SWE-QA: A Dataset and Benchmark for Complex Code Understanding
von: Elkoussy, Laïla, et al.
Veröffentlicht: (2026)

When the Specification Emerges: Benchmarking Faithfulness Loss in Long-Horizon Coding Agents
von: Yan, Lu, et al.
Veröffentlicht: (2026)

Toward Training Superintelligent Software Agents through Self-Play SWE-RL
von: Wei, Yuxiang, et al.
Veröffentlicht: (2025)

Live-SWE-agent: Can Software Engineering Agents Self-Evolve on the Fly?
von: Xia, Chunqiu Steven, et al.
Veröffentlicht: (2025)