ProgramGym 发布：1648 个可验证环境训练长周期编程智能体
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载要解决什么问题
现有编程智能体多用于在已有仓库里改缺陷，或按给定需求文档生成仓库；而像软件工程师那样从零搭建程序的任务，缺少可规模化、可验证的训练环境。这类任务要求智能体自己发现需求、自己决定系统如何设计，难度更高。同时，已有智能体工作流也难以支撑长周期开发——即在动手实现之前先探索参考程序。ProgramGym 正是针对这两点提出的框架，由 Program-Env 与 Program-Agent 两部分构成。
环境怎么造出来
Program-Env 的思路是从代码仓库出发构造可验证的训练环境，构造过程是一个反馈驱动的循环：不断修复运行时沙箱的构建问题，同时修复黑盒测试的质量问题。经过这条流水线，最终得到 1648 个训练环境，语言覆盖 C、C++、Go 和 Rust 四种。这些环境的作用是让智能体在训练中必须自行探索需求与设计，而不是拿到现成的需求说明。
智能体工作流设计
Program-Agent 把工作拆成分析、实现、审查三个角色，彼此隔离，避免职责混在一起。在此之上加入修订管理，用于编译检查和失败恢复，使长周期开发过程中出现的问题能够被定位和回退。这一设计与 Program-Env 配合，构成从环境到智能体行为的完整训练方案。
实验结果与开放计划
在 ProgramBench 上的实验显示，Program-Env 与 Program-Agent 都能提升程序复现表现。用构造环境生成的轨迹做微调后，Qwen3.8-27B 的成绩从 34.87% 提高到 42.84%。Program-Agent 进一步把基础模型和 SFT 模型分别推到 55.71% 与 56.25%，两者都超过了一些旗舰模型。作者表示将发布 ProgramGym，以支持从零构建程序的编程智能体的后续研究。
为什么值得看
给出可规模化的可验证训练环境与角色隔离工作流，并附具体提升幅度，对做编程智能体训练的人有直接参考价值。
信源1 家
关键事实
ProgramGym 由 Program-Env 和 Program-Agent 两部分组成，面向长周期程序复现智能体的可扩展训练环境[1]
Program-Env 通过反馈驱动循环修复运行时沙箱构建与黑盒测试质量，产出 1648 个训练环境，覆盖 C、C++、Go、Rust[1]
Program-Agent 采用分析、实现、审查的角色隔离工作流，并带修订管理以支持编译检查与失败恢复[1]
在 ProgramBench 上，用构造环境生成的轨迹微调使 Qwen3.8-27B 从 34.87% 升至 42.84%[1]
Program-Agent 将基础模型与 SFT 模型分别提升至 55.71% 和 56.25%，超过部分旗舰模型[1]
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。