# FC-SWE失败条件强化学习

仓库级软件工程智能体此前只把每次尝试的通过或失败当作终局奖励，失败补丁和验证器反馈被丢弃。FC-SWE 在补丁验证失败后把仓库恢复到原始任务状态，用失败补丁与验证器诊断信息作为上下文再生成一条恢复轨迹，并让每条轨迹保留自己的验证结果、只把同一问题实际执行过的初始与恢复轨迹放进同一个比较组。在全部500个 SWE-bench Verified 任务上，同一 Qwen3.5-4B 策略下首解率从 GRPO 的38.9%升到41.7%，两次尝试累计从48.5%升到52.8%；训练时每条链最多两次尝试，测试时给到十一次尝试可累计解出70.7%。

仓库级软件工程智能体此前只把每次尝试的通过或失败当作终局奖励，失败补丁和验证器反馈被丢弃。FC-SWE 在补丁验证失败后把仓库恢复到原始任务状态，用失败补丁与验证器诊断信息作为上下文再生成一条恢复轨迹，并让每条轨迹保留自己的验证结果、只把同一问题实际执行过的初始与恢复轨迹放进同一个比较组。在全部500个 SWE-bench Verified 任务上，同一 Qwen3.5-4B 策略下首解率从 GRPO 的38.9%升到41.7%，两次尝试累计从48.5%升到52.8%；训练时每条链最多两次尝试，测试时给到十一次尝试可累计解出70.7%。