SWE-Prime 以更少的轨迹提升模型性能
为什么值得读 开发者应关注此问题，因为嘈杂的监督信号会鼓励模型模仿不良的问题解决行为。
新方法 SWE-Prime 通过过滤训练数据，提升大语言模型解决现实世界软件问题的能力。该方法在轨迹和片段层面逐步筛选数据，剔除无效、冗余或高风险步骤，仅保留对解决方案有积极贡献的片段参与损失计算，同时完整保留上下文。
标签 · #software
Waymo Driver软件架构——驱动全球最大无人驾驶车队的六层技术栈深度解析
Waymo模块化六层技术栈——感知、世界建模、预测、规划、控制——是其安全记录背后的技术基础。
自动驾驶软件架构与 OTA 更新管道指标 — 谁在实地部署中进步最快？（2026 年中）
OTA 更新频率、仿真深度与现场数据飞轮——决定特斯拉、Waymo、百度在部署中实际改进速度的三大关键。