SWE-World: Dockerを使用しない環境でのソフトウェアエンジニアリングエージェントの構築

要旨

大規模言語モデル（LLM）の近年の進歩により、ソフトウェア工学エージェントが複雑なコード修正タスクに取り組むことが可能となった。既存の手法の多くは、コンテナ化環境からの実行フィードバックに依存しており、依存関係が完全に整った環境構築とプログラム・テストの物理的な実行を必要とする。このパラダイムは有効ではあるものの、リソース集約的で維持管理が難しく、エージェントの訓練を大幅に複雑化し、スケーラビリティを制限している。本研究では、物理的な実行環境を学習済みサロゲートモデルに置き換えてソフトウェア工学エージェントを訓練・評価する、Docker不要のフレームワーク「SWE-World」を提案する。SWE-Worldは、実エージェントと環境のインタラクションデータで訓練したLLMベースのモデルを活用し、中間的な実行結果と最終的なテストフィードバックを予測することで、エージェントが物理的なコンテナ化環境と対話することなく学習することを可能にする。この設計は標準的なエージェント-環境インタラクションループを維持しつつ、エージェントの最適化と評価におけるコストの高い環境構築・維持管理の必要性を排除する。さらに、SWE-Worldは実際の提出を伴わずに候補軌道の最終評価結果をシミュレートできるため、複数のテスト時試行の中から最良の解を選択することが可能となり、ソフトウェア工学タスクにおける効果的なテスト時スケーリング（TTS）を促進する。SWE-bench Verifiedでの実験により、SWE-WorldがQwen2.5-Coder-32Bの性能を、Docker不要のSFTで6.2%から52.0%に、Docker不要の強化学習で55.0%に、さらにTTSの適用で68.2%に向上させることが実証された。コードはhttps://github.com/RUCAIBox/SWE-World で公開されている。

English

Recent advances in large language models (LLMs) have enabled software engineering agents to tackle complex code modification tasks. Most existing approaches rely on execution feedback from containerized environments, which require dependency-complete setup and physical execution of programs and tests. While effective, this paradigm is resource-intensive and difficult to maintain, substantially complicating agent training and limiting scalability. We propose SWE-World, a Docker-free framework that replaces physical execution environments with a learned surrogate for training and evaluating software engineering agents. SWE-World leverages LLM-based models trained on real agent-environment interaction data to predict intermediate execution outcomes and final test feedback, enabling agents to learn without interacting with physical containerized environments. This design preserves the standard agent-environment interaction loop while eliminating the need for costly environment construction and maintenance during agent optimization and evaluation. Furthermore, because SWE-World can simulate the final evaluation outcomes of candidate trajectories without real submission, it enables selecting the best solution among multiple test-time attempts, thereby facilitating effective test-time scaling (TTS) in software engineering tasks. Experiments on SWE-bench Verified demonstrate that SWE-World raises Qwen2.5-Coder-32B from 6.2\% to 52.0\% via Docker-free SFT, 55.0\% with Docker-free RL, and 68.2\% with further TTS. The code is available at https://github.com/RUCAIBox/SWE-World

SWE-World: Dockerを使用しない環境でのソフトウェアエンジニアリングエージェントの構築

SWE-World: Building Software Engineering Agents in Docker-Free Environments

要旨

Support