Dockerless: Verificador de Programas sin Entorno para Agentes de Codificación

Resumen

Los verificadores de programas desempeñan un papel central en el entrenamiento de agentes de codificación, incluyendo la selección de trayectorias para el ajuste fino supervisado (SFT) y la provisión de recompensas para el aprendizaje por refuerzo (RL). La verificación estándar basada en ejecución requiere ejecutar pruebas unitarias en entornos específicos de cada repositorio, como imágenes Docker, lo que conlleva costos sustanciales de configuración del entorno. Proponemos Dockerless, un verificador de parches agente sin entorno que evalúa parches de código generados sin ejecutarlos. En lugar de simplemente hacer coincidir parches candidatos con referencias, Dockerless juzga la corrección del parche utilizando evidencia recopilada mediante exploración agente del repositorio. En un punto de referencia de evaluación de verificadores, Dockerless supera al verificador de código abierto más potente en 14.3 puntos de AUC. El uso de Dockerless como filtro de trayectorias para SFT y como recompensa para RL permite un pipeline de post-entrenamiento completamente libre de entornos. El modelo resultante alcanza tasas de resolución del 62.0 %, 50.0 % y 35.2 % en SWE-bench Verified, Multilingual y Pro, respectivamente. Supera la línea base de Qwen3.5-9B en 2.4, 8.7 y 2.9 puntos, igualando el post-entrenamiento basado en entornos.

English

Program verifiers play a central role in training coding agents, including selecting trajectories for supervised fine-tuning (SFT) and providing rewards for reinforcement learning (RL). Standard execution-based verification requires running unit tests inside per-repository environments such as Docker images, incurring substantial environment setup costs. We propose Dockerless, an environment-free agentic patch verifier that evaluates generated code patches without executing them. Rather than simply matching candidate patches to references, Dockerless judges patch correctness using evidence gathered through agentic repository exploration. On a verifier evaluation benchmark, Dockerless outperforms the strongest open-source verifier by 14.3 AUC points. Using Dockerless as both the SFT trajectory filter and the RL reward enables a fully environment-free post-training pipeline. The resulting model reaches 62.0%, 50.0%, and 35.2% resolve rate on SWE-bench Verified, Multilingual, and Pro, respectively. It surpasses the Qwen3.5-9B baseline by 2.4, 8.7, and 2.9 points, matching environment-based post-training.