在人工智能編程領域，一場革命性的突破正在悄然發生。新晉AI編程冠軍DeepSWE，憑借其純強化學習的訓練方式，在基準測試中取得了59%的準確率，這一成績大幅刷新了現有技術的上限。

DeepSWE的誕生，打破了長期以來閉源模型在該領域的壟斷地位。這款開源軟件工程模型，基于Qwen3-32B架構，完全通過強化學習進行訓練，無需依賴任何“老師模型”。這一創新性的訓練方法，使得DeepSWE能夠從零開始，逐步成長為一個性能卓越的智能體。

DeepSWE的訓練過程充滿了挑戰與創新。它采用了模塊化RL后訓練框架rLLM，這一框架使得用戶能夠輕松構建一個由強化學習訓練的AI助手，極大地簡化了訓練流程。同時，DeepSWE在R2E-Gym訓練環境中進行訓練，該環境為高質量可執行軟件工程（SWE）任務提供了可擴展的管理方案。

在動作空間方面，R2E-Gym定義了包括執行Bash命令、搜索、文件編輯和完成/提交等四個工具。這些工具共同構成了DeepSWE在訓練過程中的操作基礎。而獎勵模型則采用了一種稀疏的結果獎勵模型（ORM），通過簡單的“成功/失敗”獎勵信號，DeepSWE自發地學會了高級程序員才具備的復雜行為，如主動思考邊緣案例和回歸測試，以及根據任務復雜程度自適應調整思考深度。

算法方面，DeepSWE摒棄了傳統的蒸餾方法，僅使用強化學習進行直接訓練。研發人員獨家改良的GRPO++算法，在之前的基礎上進行了增強，進一步提升了模型的穩定性和性能。還整合了包括Clip High (DAPO)、無KL損失（DAPO）、無獎勵標準差（Dr.GRPO）、長度歸一化（Dr.GRPO）、一法（Loop/RLOO）、緊湊過濾和無熵損失在內的七個算法，共同構成了DeepSWE的訓練配方。

其中，“緊湊過濾”算法對模型訓練尤為關鍵。它不僅有效防止了訓練過程中的獎勵崩潰，還減少了每一步的過度思考，鼓勵跨步驟的長篇推理，從而顯著提升了模型的性能。

然而，訓練過程中也遇到了不少挑戰。特別是在擴展SWE-Bench環境時，由于需要同時啟動大量Docker容器，一度導致Docker崩潰。為了解決這一問題，研發人員將Kubernetes支持集成到了R2E-Gym環境中，實現了容器的高效調度。同時，為每個服務器配備了高性能硬件，并提前下載了所需軟件鏡像，以確保訓練過程的順利進行。

在評估策略方面，DeepSWE采用了“測試時擴展（TTS）”策略，通過多方案生成和智能驗證的方式，將性能推向了新的高度。通過擴展上下文長度和擴展代理部署兩種方法，DeepSWE在SWE-Bench Verified上達到了59%的準確率，實現了新的技術上限。

DeepSWE的成功，離不開其背后的研發團隊。項目負責人Michael Luo，加州大學伯克利分校電氣工程與計算機科學系博士生，對人工智能和系統領域有著深入的研究。他帶領的團隊，憑借出色的研發能力和創新精神，成功打造了這款開源軟件工程模型。

DeepSWE的誕生，標志著人工智能編程領域的一次重大突破。它不僅刷新了技術的上限，更為未來的軟件開發和智能化轉型提供了無限可能。