DeepSWE 开源 AI Agent系统强势登顶，基于 Qwen3-32B

根据SWE-Bench-Verified测试结果，DeepSWE在64k的最大上下文长度和100的最大环境步骤下评估，经过16次运行，Pass@1准确率达到了42.2%。经过混合测试后，其性能更是提升至59%，使其在所有开源代理框架中位列榜首。

DeepSWE的训练采用了rLLM框架，这是一个专门用于语言智能体后期训练的系统。它在64个H100GPU上，对来自R2E-Gym训练环境的4500个真实世界软件工程任务进行了为期6天的训练。这些任务包括解决GitHub问题、实现新代码功能和调试等，展示了现实世界软件工程的多样性。

在训练过程中，DeepSWE通过与环境的互动，学习如何在广泛的代码库中进行浏览、针对性编辑代码、运行构建和测试的shell命令，并在处理实际拉取请求时优化解决方案。数据集管理方面，使用了R2E-Gym子集中的4500个问题，确保了训练数据的纯净性和相关性。

训练环境围绕R2E-Gym构建，支持可扩展的高质量可执行软件工程环境。奖励机制则采用稀疏结果奖励模型，只有当生成的补丁通过所有测试时才给予正奖励，促进了更有效的学习。

DeepSWE的训练还采用了改进版的GRPO++算法，通过整合多项创新，实现了更稳定和高效的训练过程。此外，研究人员还发现，在针对软件工程任务时，增加输出token数量的效果不明显，而通过滚动数量扩展则显著提升了模型性能。

这一系列的努力，使得DeepSWE成为了一款极具潜力的AI代理系统，推动了强化学习在实际应用中的进步。

开源地址:https://huggingface.co/agentica-org/DeepSWE-Preview

划重点:

🌟DeepSWE是基于Qwen3-32B模型，完全通过强化学习训练而成，开源信息已全面发布。

🏆在SWE-Bench-Verified测试中，DeepSWE表现出色，Pass@1准确率达到了59%，成为所有开源代理中的佼佼者。

💡采用了rLLM框架和改进的GRPO++算法，DeepSWE在实际软件工程任务中展现了其强大的学习能力和应用潜力。