CodeGrep：经过 RL 训练的 LLM 编码智能体 检索代理

现代 LLM 编码智能体（例如 Claude Code 和 OpenHands）有一个共同的低效率问题：他们花费大量的 词元预算 来查找要修补的文件，而不是修补它。在 SWE-Bench Verified 上，30B OpenHands 代理平均每个解决问题需要 23 轮和 631K 个词元，在存储库探索期间，许多调用都花在 grep、glob 和 view_file 上。我们引入了 CodeGrep，这是一种使用 GRPO 进行端到端训练的 14B 检索代理，可发出多轮并行 grep、glob 和读取工具调用，并将候选文件返回到冻结的下游 编码智能体。在所有 500 个 SWE-Bench 验证实例上，CodeGrep 保留了解析率，同时大幅提高了效率：无检索基线为 27.0%，而无检索基线为 25.8%，已解析实例上的轮次减少了 15%，词元减少了 19%。在 检索器 中，下游实用程序遵循精度阈值：精度为 0.375 的 BM25 会降低代理的性能，精度为 0.445 的 Jina 是中性的，而精度为 0.677 的 CodeGrep 会越过检索开始降低执行轨迹成本的阈值。为了开展这项研究，我们使用 CATM 从 67K 个开源智能体轨迹中挖掘监督，并为多轮智能体强化学习构建了一个 Git-worktree 环境。在我们的设置中，在优势层而不是奖励层应用效率信号可以减少 KL 漂移并干净地转化为下游效率。我们将发布模型、训练流程、强化学习环境和评估工具。