# SWE-Critix entrena agentes críticos para reparar código

> El método entrena a un agente de código para criticar trayectorias de reparación mediante razonamiento diferencial y recompensas de pruebas.

- URL canónica: https://newsverum.com/es/news/swe-critix-trains-agent-critics-on-code-repair-trajectories
- Publicación: Newsverum
- Sección: Tecnología
- País: RAE de Hong Kong (China)
- Publicado: 2026-10-13T00:51:41+00:00
- Actualizado: 2026-10-13T00:51:41+00:00
- Período del evento / de los datos: 2026-10-09
- Otras ediciones: [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), [Deutsch](https://newsverum.com/de/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)

Investigadores vinculados a Huawei y a la Universidad Monash de Malasia presentaron SWE-Critix, un método para entrenar verificadores que evalúan si la trayectoria de ejecución de un agente de programación completó su tarea. Un modelo maestro compara trayectorias exitosas y fallidas del mismo problema para generar explicaciones de entrenamiento, seguidas de ajuste supervisado y aprendizaje por refuerzo con recompensas basadas en resultados de pruebas.

El sistema final alcanzó una precisión general del 78 % en la evaluación CodeForge Preview del artículo. Los autores la midieron con un conjunto de prueba procedente de la misma fuente de datos; señalan que la recompensa de pruebas ayudó a distinguir reparaciones exitosas, aunque la recuperación fue baja para algunas clases de errores. Este resultado preliminar de benchmark no demuestra éxito en repositorios reales.

## Datos

### Resultado del estudio

CodeForge Preview; trayectorias de prueba derivadas de la misma fuente; precisión general comunicada por los autores

Metodología: El valor se limita al experimento de benchmark descrito en el artículo; no es un resultado de campo ni una garantía general.

| Medida | Porcentaje | Alcance |
|---|---|---|
| Precisión general en trayectorias de prueba de CodeForge Preview | 78 | CodeForge Preview; trayectorias de prueba derivadas de la misma fuente; precisión general comunicada por los autores |

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

## Fuentes

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

---

Cite la URL canónica indicada arriba. [Principios editoriales y correcciones](https://newsverum.com/es/editorial)