DCAgent2/swebench_verified_random_100_folders_rl__48GPU_shaped_32b__swe_rebench_patched_10e47864

---
dataset_info:
features:
- name: conversations
list:
- name: content
dtype: string
- name: role
dtype: string
- name: agent
dtype: string
- name: model
dtype: string
- name: model_provider
dtype: string
- name: date
dtype: string
- name: task
dtype: string
- name: episode
dtype: string
- name: run_id
dtype: string
- name: trial_name
dtype: string
- name: result
dtype: string
- name: verifier_output
dtype: string
splits:
- name: train
num_bytes: 31156726
num_examples: 300
download_size: 15932325
dataset_size: 31156726
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

搜集汇总

数据集介绍

构建方式

该数据集源自SWE-bench验证集的一个子集，随机选取了100个任务实例，并在48块GPU上利用强化学习训练流程，以32B规模的模型为基础，采用'成形的'奖励策略（shaped reward）进行迭代优化。数据收集过程中，模型针对每个任务生成多轮交互对话，并依据补丁验证结果（swe_rebench_patched）筛选出成功修复软件缺陷的轨迹。最终，汇聚了300条高质量的、涵盖对话历史、模型信息及验证状态的多轮交互样本。

特点

数据集的核心特色在于其聚焦于真实软件工程任务的强化学习训练数据，每条样本均包含完整的智能体-环境对话历史（conversations），清晰地记录了从任务描述到最终补丁生成的推理链。此外，每条样本还附带模型标识（model）、运行时间戳（date）、任务名称（task）及验证器输出（verifier_output）等元信息，便于追溯生成过程与性能评估。数据规模精炼，仅300条但覆盖100个不同任务，确保了多样性与专业深度。

使用方法

该数据集直接适用于训练或微调代码生成与软件工程领域的对话式智能体，尤其在基于强化学习的策略优化场景中。用户可通过加载'conversations'字段中的多轮对话，构建模型输入-输出对，用于监督学习或作为奖励模型的训练数据。结合'result'和'verifier_output'字段可进行二元分类或偏好建模。数据已按HuggingFace Datasets格式分片存储，使用load_dataset函数即可加载训练集，适合作为端到端智能体训练的离线回放缓冲区。

背景与挑战

背景概述

该数据集构建于2025年，由研究团队在强化学习与软件工程交叉领域创建，旨在探索通过大规模强化学习方法提升代码生成与修复模型的自主能力。核心研究问题围绕如何利用验证器反馈优化智能体在真实软件工程任务（如SWEBench）中的表现，从而推动AI辅助编程从理论走向实践。数据集记录了48块GPU上基于32B参数模型进行形状化训练的交互过程，包含300个经过验证的随机样本，其发布为评估和改进代码智能体的决策质量提供了标准化基准，对自动化软件维护、缺陷修复等方向具有显著推动作用。

当前挑战

当前面临的核心挑战包括：1）领域问题层面，现有代码生成模型在复杂、多文件依赖的真实仓库级Bug修复中仍存在性能瓶颈，奖励稀疏且验证器反馈未充分引导策略探索；2）构建过程中，大规模RL训练需协调多GPU资源，数据信噪比受模型早期探索策略影响大，导致样本多样性不足；3）有限样本（300例）下的泛化能力受限，如何从已验证的随机子集迁移至更广泛的未验证场景仍需突破。此外，交互轨迹的噪声与长尾分布对模型稳定性构成严峻考验。

常用场景

经典使用场景

在人工智能与软件工程交叉领域，swebench_verified_random_100_folders_rl__48GPU_shaped_32b__swe_rebench_patched_10e47864数据集凭借其精细的对话结构，成为评估和训练多轮交互式代码修复模型的重要基准。该数据集包含300个训练样本，每个样本由完整的对话历史、代理标识、模型来源及任务结果构成，特别适用于构建能够理解上下文、进行错误定位并生成补丁的智能编程助手。研究者和开发者利用这些数据模拟真实世界中的软件缺陷修复流程，推动语言模型在代码生成与调试能力上的突破。

衍生相关工作

围绕该数据集，衍生出一系列改进型方法，如基于强化学习的SWE-Bench架构、利用形状奖励函数的代码优化策略以及跨模型迁移学习框架。研究者们通过对比不同语言模型在同一子集上的表现，提出了补丁一致性评估指标和动态样本重加权技术。这些工作进一步拓展了数据集的适用边界，从最初的单轮补丁生成扩展到多步骤推理与自我修正场景。同时，该数据集的发布也催生了半监督学习和主动学习在代码修复领域的新探索，为软件工程的智能化演进提供了持续动力。

数据集最近研究

最新研究方向

该数据集聚焦于大规模语言模型在软件工程自动化修复任务中的强化学习应用，通过整合验证器输出与多轮交互对话数据，为智能体在复杂代码环境中的决策优化提供了高保真训练基准。其前沿研究方向在于利用基于真实软件缺陷的验证反馈，驱动模型在补丁生成、回归测试和错误定位等环节实现自主迭代，并与近期AI辅助代码修复的产业热点相呼应，如自动化漏洞修复和持续集成中的智能排错。该数据的引入不仅推动了从静态代码理解向动态交互式修复的范式转变，还为评估强化学习策略在软件维护中的鲁棒性和泛化能力奠定了关键数据基础，对降低人力调试成本、提升软件可靠性具有深远意义。