以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
Training coding agents for long-horizon tasks requires environments with verifiable feedback. Existing pipelines often follow a linear process that ends with validation, establishing usability but providing little guidance on improving training value. Recursive self-improvement (RSI) often requires model rollouts or mo
阅读原文 · Yang Tian, Tianyu Zheng, Xiyuan Yang, Yaxin Du, Chengran Yang, Bo Zhao, Jian Yang, Bryan Dai
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文盯的是一个很具体的瓶颈: 训练长程编程 Agent 时,环境不够用。 真实仓库很多,但“能跑起来”不等于“能拿来训练”。摘要里说得很直接,现有流水线基本是线性的,最后一步做验证,验证通过就结束了。这条路径只保证环境可用,不告诉你它对训练有没有价值。 RepoFactory 想做的,是把真实仓库自动转成可验证的训练环境,再用一个叫 Environmen...