Cognition 发布 SWE-grep 与 SWE-grep-mini,用 RL 训练快速并行代码检索模型
原文标题:Introducing SWE-grep and SWE-grep-mini: RL for Multi-Turn, Fast Context Retrieval
AI 摘要
Cognition 发布 SWE-grep 和 SWE-grep-mini 模型,专注高度并行的代码上下文检索,检索能力匹敌前沿编码模型但耗时低一个数量级。模型每轮最多发起 8 个并行工具调用、限制 4 轮,通过多轮强化学习训练,奖励为文件与行范围检索的加权 F1;由 SWE-grep 蒸馏并继续 RL 得到 SWE-grep-mini。
关键信息
- Cognition 发布 SWE-grep 和 SWE-grep-mini 模型,专注高度并行的代码上下文检索,检索能力匹敌前沿编码模型但耗时低一个数量级。
- 模型每轮最多发起 8 个并行工具调用、限制 4 轮,通过多轮强化学习训练,奖励为文件与行范围检索的加权 F1
- 由 SWE-grep 蒸馏并继续 RL 得到 SWE-grep-mini
- 原文给出检索质量分数与推理速度对比数字,并说明多轮 RL 训练方法,读者可评估这种专用检索模型能否迁移到自己的编码工作流
速览
- 发布时间
- 更新时间
- 分类
- 模型发布
- AI 评分
- 62
推荐理由
原文给出检索质量分数与推理速度对比数字,并说明多轮 RL 训练方法,读者可评估这种专用检索模型能否迁移到自己的编码工作流。
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:Cognition 发布 SWE-grep 与 SWE-grep-mini,用 RL 训练快速并行代码检索模型。2025年10月16日。https://new.nat6.net/news/cmtyo2iho03dirog0278hdk11/