Dockerless: Verificador de Programas Independente de Ambiente para Agentes de Codificação

Resumo

Verificadores de programa desempenham um papel central no treinamento de agentes de codificação, incluindo a seleção de trajetórias para ajuste fino supervisionado (SFT) e o fornecimento de recompensas para aprendizado por reforço (RL). A verificação padrão baseada em execução requer a execução de testes unitários em ambientes específicos de cada repositório, como imagens Docker, incorrendo em custos substanciais de configuração de ambiente. Propomos o Dockerless, um verificador de patches agentivo sem ambiente que avalia patches de código gerados sem executá-los. Em vez de simplesmente comparar patches candidatos com referências, o Dockerless julga a correção dos patches usando evidências coletadas por meio de exploração agentiva do repositório. Em um benchmark de avaliação de verificadores, o Dockerless supera o verificador de código aberto mais forte em 14,3 pontos de AUC. Utilizando o Dockerless tanto como filtro de trajetórias para SFT quanto como recompensa para RL, é possível obter um pipeline de pós-treinamento completamente livre de ambiente. O modelo resultante atinge taxas de resolução de 62,0%, 50,0% e 35,2% no SWE-bench Verified, Multilingual e Pro, respectivamente. Ele supera a linha de base Qwen3.5-9B em 2,4, 8,7 e 2,9 pontos, equiparando-se ao pós-treinamento baseado em ambiente.

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.