Hybrid-Gym：训练编码代理以跨任务泛化

在评估编码代理的质量时，现有基准主要关注解决GitHub上的单一问题，如SWE-Bench。然而，在实际应用中，这些代理需要处理更复杂多样的任务，涉及代码库探索、软件测试和架构设计等技能。本文通过分解轨迹为细粒度组件，识别出跨任务的可迁移技能，并提出辅助训练任务的设计原则。基于这些原则，我们构建了一个名为Hybrid-Gym的训练环境，包含一系列可扩展的合成任务，如函数定位和依赖搜索。实验表明，基于合成任务训练的代理能够有效泛化到未见过的真实任务，显著提升了多个基准测试的表现。此外，Hybrid-Gym还能增强下游任务的数据集性能。