DCAgent3/swebench_verified_a3_rl_DCAgent_inferredbugs_sandboxes_verifier_55_8B_20260528_003627

---
dataset_info:
features:
- name: conversations
list:
- name: role
dtype: string
- name: content
dtype: string
- name: agent
dtype: string
- name: model
dtype: string
- name: model_provider
dtype: string
- name: date
dtype: string
- name: task
dtype: string
- name: episode
dtype: string
- name: run_id
dtype: string
- name: trial_name
dtype: string
- name: result
dtype: string
- name: verifier_output
dtype: string
- name: trace_source
dtype: string
splits:
- name: train
num_bytes: 459211393
num_examples: 3845
download_size: 304534902
dataset_size: 459211393
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

搜集汇总

数据集介绍

构建方式

该数据集源自对SWE-bench验证集的深度增强处理，采用DCAgent框架在强化学习环境中生成推理轨迹。通过引入沙盒验证机制，数据集构建时模拟了智能体与代码环境的交互过程，并利用55B参数的验证器模型对生成的补丁进行自动化正确性判定。每条数据记录了完整的多轮对话序列、代理行为、模型来源及验证结果，共计3845条实例，覆盖了软件工程中代码修复任务的多样化场景。

特点

数据集的核心特色在于其结构化与可复现的交互逻辑。每个样本包含清晰的角色对话流（conversations），并附带了任务描述、运行标识符及验证器输出等元信息，便于研究者追溯智能体的决策路径。此外，数据集中集成了来自不同模型和提供商的代理行为，为对比不同推理策略在软件工程任务上的表现提供了基础。这种设计使得数据集不仅适用于微调，更适宜用于分析智能体在复杂代码环境中的失败模式与成功规律。

使用方法

数据集以HuggingFace Datasets格式组织，仅包含训练集分割，用户可通过加载默认配置直接使用。每条数据中的'conversations'字段为多轮对话列表，可直接用于序列到序列模型的训练；'task'和'result'字段可用于监督学习中的目标标签构建。研究者在进行代码生成或智能体行为克隆实验时，可将'agent'与'verifier_output'作为分类或评估指标的关键输入。建议在使用前对'episode'和'run_id'字段进行分组，以保持同一试验轨迹的完整性。

背景与挑战

背景概述

该数据集创建于2026年，由研究团队基于SWE-bench验证框架构建，旨在探究强化学习与大型语言模型在软件工程自动化中的协同效应。核心研究问题聚焦于如何通过智能体交互轨迹学习，提升模型在复杂代码补全与缺陷修复任务中的鲁棒性与泛化能力。数据集包含3845条训练样本，记录了55B参数模型在沙盒环境中的多轮对话与验证结果，为软件工程领域中的代码智能体研究提供了高保真度的行为模拟资源。其影响力在于为自动化编程、持续集成等应用场景的基准测试与模型优化开辟了新路径，推动了LLM在工具调用与动态环境适应方面的前沿探索。

当前挑战

该数据集着力应对软件工程自动化中的两大挑战：一是领域问题层面，现有模型在处理长尾代码逻辑与非确定性环境时表现脆弱，尤其缺乏对多步推理错误的容错机制，数据集通过沙盒验证与强化学习信号，尝试弥合语言模型输出与真实编译执行之间的语义鸿沟；二是构建过程层面，需平衡大规模模型推理的经济成本与数据多样性，同时解决智能体轨迹中噪声行为与无效探索的过滤难题，并确保跨时间维度的任务分布一致性以维持评估公平性。

常用场景

经典使用场景

在软件工程与人工智能的交叉领域中，swebench_verified_a3_rl_DCAgent_inferredbugs_sandboxes_verifier_55_8B_20260528_003627数据集为研究智能体在真实软件漏洞修复任务中的表现提供了宝贵的资源。该数据集经典的使用场景是作为基于强化学习的代码智能体训练与评估的基准平台，其中包含了多轮对话交互记录、智能体行为轨迹以及修复结果的验证信息。研究人员可以利用该数据集训练模型学习从错误定位、补丁生成到修复验证的完整流程，从而推动自动化程序修复技术的发展。

实际应用

在实际应用层面，该数据集可支撑开发更可靠的自动化代码修复工具，直接服务于软件维护与DevOps流程。基于该数据训练的智能体能够协助开发者在持续集成环境中快速定位并修复安全漏洞，减少人工排查成本。此外，数据集中的验证信息可作为质量门禁，确保自动生成的补丁在功能正确性和安全性上的可靠性，从而加速软件迭代周期。这些能力在大型开源项目维护、企业级代码库安全管理以及金融、医疗等领域的软件可靠性保障中具有显著的应用前景。

衍生相关工作

围绕该数据集的特性，已涌现出一系列相关研究工作。研究者们基于其中多轮对话结构，提出了融合检索增强生成与分层强化学习的混合修复框架，显著提升了复杂漏洞的修复准确率。此外，数据集中的验证反馈机制启发了对奖励函数设计的深入探索，衍生出基于对比学习的补丁排序方法。同时，一些工作利用该数据训练可解释的修复智能体，通过将修复步骤与自然语言解释对齐，提升了模型的可信度。这些衍生工作共同推动了从经验驱动到数据驱动的自动化软件修复新范式的形成。