SWE-MeM：学习自适应内存管理的长视野 编码智能体

长期软件工程代理通常需要在有限的上下文预算下管理冗长且嘈杂的交互历史。现有的内存管理方法通常依赖于静态压缩工作流程或对压缩时间和粒度施加严格的限制。此外，这些方法无法联合优化内存管理和问题解决能力以提高性能，同时减少词元使用。我们推出了 SWE-MeM，这是一个用于软件工程代理中主动和按需内存管理的训练框架。 SWE-MeM 提供了一个灵活的内存工具，让代理可以根据轨迹状态、任务进度和剩余上下文预算来决定何时、什么以及如何压缩。我们使用合成的主动内存管理轨迹和内存感知 GRPO 来训练代理，通过内存感知轨迹分割和步骤级贡献分配来联合优化内存管理和问题解决。在 SWE-Bench Verified 上，SWE-MeM 在 4B 和 30B 模型上分别实现了 43.4% 和 60.2% 的解析率，在性能和效率方面均优于现有的内存管理基准。