**SWE-Trail：利用历史轨迹引导代码智能体训练，解决采样冗余与训练测试失配问题**

_SWE-Trail: History-Guided Trajectory Collection for Coding Agent Training_

> 针对代码智能体训练中独立采样导致的轨迹冗余及历史暴露引发的训练测试失配问题，研究提出了 SWE-Trail 框架。该方法利用历史轨迹指导后续采样策略，但不将历史直接输入智能体上下文，而是由智能体生成候选动作后，利用历史状态执行验证以决定最优路径。实验表明，相比独立采样，SWE-Trail 在 SWE-bench 多语言和专业基准测试中分别将平均解决率提升了 2.33 和 1.60 个百分点，显著优于无历史引导的采样方式。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-03 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.02074)