SWE-Prime：少而精的软件 Agent 轨迹训练¶

复现级别：核心机制 + L2.1 无 oracle 评测。 实现轨迹筛选、语义段筛选和 loss mask。

论文信息¶

字段	内容
论文链接	arXiv 2608.27449
公司 / 机构	中山大学（第一作者第一署名单位），与华为云、重庆大学合作
首次公开日期	2026-08-27（arXiv v1）
原作者代码	否：未发现原作者公开代码（核查日期：2026-08-29）
本地 adapter / 方法	`swe-prime`
本地复现代码	`src/auto_research/agent_research/latest_20260829.py`

成功轨迹仍可能冗余、危险或不可学习。SWE-Prime 先按过程、结果和代表性选轨迹，再按贡献、可学习性和风险选语义段；上下文完整保留，但只对选中段计算 SFT loss。

flowchart LR
  T[成功轨迹] --> Q[轨迹级质量与代表性]
  Q --> S[语义分段]
  S --> M[贡献/可学习性/风险 mask]
  M --> F[SFT]

原论文 Figure 2（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

\[ \mathcal L=-\sum_t m_t\log p_\theta(y_t\mid y_{<t},x),\quad m_t\in\{0,1\}. \]

只使用 10% 轨迹，在 SWE-Bench Pro / Verified 上相对全量成功轨迹最高提升 12.2% / 24.2%。

ToolRoute-L2.1 三 seed：joint success 0.7708，plan F1 0.8004，平均成本 4.5497。

未训练代码 LLM，也未运行官方 SWE-Bench；本地只比较相同 observation/tool 接口下的筛选策略。