Dockerless: Верификатор программ без окружения для агентов кодирования

Аннотация

Верификаторы программ играют ключевую роль в обучении агентов кодирования, включая отбор траекторий для контролируемой донастройки (SFT) и предоставление вознаграждений для обучения с подкреплением (RL). Стандартная верификация на основе выполнения требует запуска модульных тестов в средах для каждого репозитория, таких как образы Docker, что влечет значительные затраты на настройку окружения. Мы предлагаем Dockerless — бессредовой агентный верификатор патчей, который оценивает сгенерированные патчи кода без их выполнения. Вместо простого сопоставления кандидатов-патчей с эталонами Dockerless судит о корректности патча, используя свидетельства, собранные в ходе агентного исследования репозитория. На бенчмарке для оценки верификаторов Dockerless превосходит сильнейший верификатор с открытым исходным кодом на 14,3 пункта AUC. Использование Dockerless как в качестве фильтра траекторий SFT, так и в качестве вознаграждения RL позволяет создать полностью бессредовой конвейер пост-тренировки. Полученная модель достигает уровней разрешения 62,0%, 50,0% и 35,2% на SWE-bench Verified, Multilingual и Pro соответственно. Она превосходит базовую модель Qwen3.5-9B на 2,4, 8,7 и 2,9 пункта, что соответствует результатам пост-тренировки с использованием среды.

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.