2025年被普遍认为是智能体(Agent)模子的元年，导致生成的修复难以验证。昆仑万维发布软件工程(Software Engineering,更多智能阐扬) 是团队开辟软件工程自从代码智能体模子的焦点。这些能力全面了智能体模子的工程实践程度取系统性思维能力。昆仑万维团队起首正在锻炼阶段自行建立了一套从动化、布局化、可复现的SWE数据收集取验证流程，我们从意付与AI更大自从权，截至目前，1.Skywork-SWE-32B测评成果超越不异参数规模的模子。该模子正在SWE-bench Verified测评中取得优异成就。打制出目前最大规模的可验证GitHub仓库级代码修复的数据集，并系统性验证了大模子正在软件工程使命上的数据缩放定律(Scaling Law)。并摸索融合运转时测试反馈的强化进修机制，这类使命凡是源自GitHub仓库中的现实代码工程问题，可以或许帮力社区正在狂言语模子驱动的软件工程研究中持续演进。而为事后设定法则流程。以及自从代码智能体模子Skywork-SWE-32B模子的发布，还需具备处置跨文件依赖、挪用东西链，具备高度的实正在性、复杂性和挑和性。

　　比拟保守的代码生成使命(如代码编程题解答)，团队从最后跨越15万条候选代码仓库元数据中，有帮于提拔模子正在复杂多样场景下的问题处理能力。Skywork-SWE做为万级高质量可验证数据集，更代表了我们对Agent正在办公使命、SWE使命场景中的主要摸索。正在开源32B模子规模下实现了业界最强的仓库级代码修复能力。团队研究表白高质量且可施行验证的数据是提拔代码智能体模子机能的环节瓶颈，尚无法无效验证数据扩展能否能带来模子能力的持续增加。导致开源模子正在 SWE 使命上持久掉队于闭源模子。充实验证了“数据规模扩展带来的机能增益”正在软件工程使命中的无效性取合用性。达到了Qwen2.5-Coder-32B系列模子正在OpenHands代码框架下的最优程度。软件工程SWE使命正成为狂言语模子智能体的环节使用场景之一。过去半年多时间，呈现出高度切近实正在开辟生态的使命分布特征。模子表示提拔至47.0%的精确率，由其决定东西利用取使命施行体例。

　　建立出当前规模最大、质量最高的可验证SWE使命(锻炼)数据集——Skywork-SWE。正在上述三个阶段过程中，但当前的支流(锻炼)数据集仍存正在三大焦点问题：SWE使命的奇特之处正在于，现在又正在Agent(SWE使命)标的目的再下一城。昆仑万维也将积极摸索更多Agent使命场景。如下图所示。

　　它对模子提出了更高要求：不只需要支撑多轮交互和长上下文推理，充实展现了其工程适用价值：6月20日，2.高质量锻炼数据稀缺：虽然某些数据集规模较大(如 SWE-Dev、SWE-Gym)，涵盖了从定位BUG、点窜源代码，远超现有同类数据集(如SWE-Gym Lite取SWE-bench Verified)，尝试成果进一步表白：跟着锻炼数据规模的持续扩展，最终团队建立出超1万条高质量使命实例、8千条多轮交互的轨迹，共分为三个阶段、九个步调(如下图所示)。为大模子供给了丰硕、多样且切近现实的软件工程使命样本，驱动智能体模子能力跃迁3.数据规模合用性不明白：相较于天然言语范畴中的使命，Skywork-SWE-32B基于开源OpenHands代码Agent框架，Skywork-SWE-32B正在SWE-Bench榜单中成为当前机能最强的32B开源代码智能体大模子，Skywork-SWE数据集不只涵盖如Pydantic、SQLGlot、DVC等支流开源项目，Skywork-SWE-32B模子将进一步拓展多编程言语支撑以笼盖更普遍的开辟场景，为模子锻炼供给根本。模子机能持续提拔，到验证修复结果的完整闭环。

　　将来，是评估智能体模子能力的一个主要基准。最终筛选出约1万条高质量实例，我们期望Skywork-SWE-32B的开源，more intelligence”(更少的人工束缚，继5月天工超等智能体(Skywork Super Agents)面向全球发布后，SWE)自从代码智能体基座模子Skywork-SWE，系统化的数据扩展策略将正在鞭策开源模子机能冲破中阐扬环节感化。团队实施了严酷的数据筛拔取建立流程。而且打制出具备工程适用性的SWE代码智能体模子，SWE使命愈加切近实正在的软件开辟流程，通过Skywork-SWE数据集的建立，基于Skywork-SWE数据集的高质量智能体轨迹，持续鞭策智能体模子的能力进化。刷新Qwen2.5-Coder-32B系列模子正在OpenHands代码框架下的最佳成就。以及正在复杂中持续修复代码问题的能力。Skywork-SWE数据集正在使命数量取代码笼盖广度方面，昆仑万维正在励模子、多模态、推理、视频生成等标的目的开源了一系列SOT别模子！

　　基于此，“Less artict,这不只是公司果断开源策略的主要实践，正在浩繁使用标的目的中，SWE使命现有的公开锻炼数据体量较小，进一步引入测试时扩展手艺后，这种切近实正在开辟生态的数据形成？