Dockerless : Vérificateur de programme sans environnement pour agents de codage

Résumé

Les vérificateurs de programmes jouent un rôle central dans l’entraînement des agents de codage, notamment pour la sélection de trajectoires dans le cadre du réglage fin supervisé (SFT) et pour l’attribution de récompenses lors de l’apprentissage par renforcement (RL). La vérification standard par exécution nécessite de lancer des tests unitaires dans des environnements propres à chaque dépôt, comme des images Docker, ce qui entraîne des coûts substantiels de configuration d’environnement. Nous proposons Dockerless, un vérificateur de correctifs agentique sans environnement, qui évalue les correctifs de code générés sans les exécuter. Plutôt que de simplement faire correspondre des correctifs candidats à des références, Dockerless juge la correction des correctifs en utilisant des preuves rassemblées grâce à une exploration agentique du dépôt. Sur un benchmark d’évaluation de vérificateurs, Dockerless surpasse le vérificateur open source le plus performant de 14,3 points d’AUC. En utilisant Dockerless à la fois comme filtre de trajectoires pour le SFT et comme récompense pour le RL, nous obtenons un pipeline de post-entraînement entièrement sans environnement. Le modèle résultant atteint des taux de résolution de 62,0 %, 50,0 % et 35,2 % sur SWE-bench Verified, Multilingual et Pro respectivement. Il dépasse la baseline Qwen3.5-9B de 2,4, 8,7 et 2,9 points, égalant ainsi les performances du post-entraînement basé sur environnement.

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.