SWE-World: Создание агентов программной инженерии в средах без Docker

Аннотация

Последние достижения в области больших языковых моделей (LLM) позволили программным инженерным агентам решать сложные задачи модификации кода. Большинство существующих подходов полагаются на обратную связь от выполнения в контейнеризованных средах, которые требуют полной установки зависимостей и физического выполнения программ и тестов. Несмотря на эффективность, данная парадигма ресурсоемка и сложна в поддержке, что существенно затрудняет обучение агентов и ограничивает масштабируемость. Мы предлагаем SWE-World — фреймворк без использования Docker, который заменяет физические среды выполнения обученным суррогатом для тренировки и оценки программных инженерных агентов. SWE-World использует модели на основе LLM, обученные на данных реального взаимодействия агента со средой, для прогнозирования промежуточных результатов выполнения и финальной тестовой обратной связи, что позволяет агентам обучаться без взаимодействия с физическими контейнеризованными средами. Данный подход сохраняет стандартный цикл взаимодействия агента со средой, одновременно устраняя необходимость дорогостоящего создания и поддержки сред в процессе оптимизации и оценки агентов. Кроме того, поскольку SWE-World может имитировать финальные результаты оценки кандидатных траекторий без реальной отправки, это позволяет выбирать наилучшее решение среди нескольких попыток во время тестирования, тем самым способствуя эффективному масштабированию на этапе тестирования (TTS) в задачах программной инженерии. Эксперименты на SWE-bench Verified показывают, что SWE-World повышает результаты Qwen2.5-Coder-32B с 6.2% до 52.0% с помощью SFT без Docker, до 55.0% с обучением с подкреплением без Docker и до 68.2% при дальнейшем применении TTS. Код доступен по адресу https://github.com/RUCAIBox/SWE-World.

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: Создание агентов программной инженерии в средах без Docker

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

Аннотация

Support