# SWE-Critix trainiert Agentenkritiker für die Code-Reparatur

> Das Verfahren trainiert einen Code-Agenten, Reparaturverläufe mit differenziertem Denken und Testbelohnungen zu beurteilen.

- Kanonische URL: https://newsverum.com/de/news/swe-critix-trains-agent-critics-on-code-repair-trajectories
- Herausgeber: Newsverum
- Rubrik: Technologie
- Land: Sonderverwaltungsregion Hongkong
- Veröffentlicht: 2026-10-13T00:51:41+00:00
- Aktualisiert: 2026-10-13T00:51:41+00:00
- Ereignis- oder Datenzeitraum: 2026-10-09
- Weitere Ausgaben: [Türkçe](https://newsverum.com/tr/news/swe-critix-trains-agent-critics-on-code-repair-trajectories.md), [English](https://newsverum.com/en/news/swe-critix-trains-agent-critics-on-code-repair-trajectories.md), [العربية](https://newsverum.com/ar/news/swe-critix-trains-agent-critics-on-code-repair-trajectories.md), [Français](https://newsverum.com/fr/news/swe-critix-trains-agent-critics-on-code-repair-trajectories.md), [Español](https://newsverum.com/es/news/swe-critix-trains-agent-critics-on-code-repair-trajectories.md), [Português](https://newsverum.com/pt/news/swe-critix-trains-agent-critics-on-code-repair-trajectories.md)

Forschende von Huawei und der Monash University Malaysia stellten SWE-Critix vor, ein Trainingsverfahren für Prüfermodelle, die anhand des Ausführungsverlaufs eines Programmieragenten beurteilen, ob dessen Aufgabe gelöst wurde. Ein Lehrermodell vergleicht erfolgreiche und fehlgeschlagene Verläufe derselben Aufgabe für Trainingserklärungen; darauf folgen überwachtes Feintuning und bestärkendes Lernen mit Belohnungen aus Testergebnissen.

Das endgültige System erreichte im CodeForge-Preview-Test des Artikels eine Gesamtgenauigkeit von 78 %. Die Autoren maßen dies anhand eines Testsatzes aus derselben Datenquelle; sie berichten, dass Testbelohnungen erfolgreiche Reparaturen besser unterscheidbar machten, während der Recall für manche Fehlerklassen niedrig blieb. Dieses frühe Benchmark-Ergebnis belegt keinen Erfolg in realen Repositories.

## Daten

### Forschungsergebnis

CodeForge Preview; Testverläufe aus derselben Quelle; von den Autoren berichtete Gesamtgenauigkeit

Methodik: Der Wert ist auf das im Artikel beschriebene Benchmark-Experiment beschränkt; er ist kein Feldergebnis und keine allgemeine Leistungsgarantie.

| Messgröße | Prozent | Umfang |
|---|---|---|
| Gesamtgenauigkeit bei CodeForge-Preview-Testverläufen | 78 | CodeForge Preview; Testverläufe aus derselben Quelle; von den Autoren berichtete Gesamtgenauigkeit |

Quellen: <https://arxiv.org/html/2610.13356v1> · Daten herunterladen: [JSON](https://newsverum.com/api/v1/articles/swe-critix-trains-agent-critics-on-code-repair-trajectories/data/reported-result-1?lang=de&format=json) · [CSV](https://newsverum.com/api/v1/articles/swe-critix-trains-agent-critics-on-code-repair-trajectories/data/reported-result-1?lang=de&format=csv)

## Quellen

- [arXiv preprint by researchers affiliated with Huawei and Monash University Malaysia](<https://arxiv.org/html/2610.13356v1>) (Quelle geprüft: 2026-10-13; Veröffentlicht: 2026-10-09)

---

Zitieren Sie die oben angegebene kanonische URL. [Redaktionsstandards und Korrekturen](https://newsverum.com/de/editorial)