代码大模型 / AI 编程

BoostAPR: Boosting Automated Program Repair via Execution-Grounded Reinforcement Learning with Dual Reward Models

BoostAPR：通过基于执行的强化学习与双奖励模型提升自动化程序修复

Yuanhao Li, Hongbo Wang, Xiaotang Shang, Xunzhu Tang, Yiming Cao, Xuhong Chen

机构 * State Key Laboratory of Networking and Switching Technology（网络与交换技术国家重点实验室） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Luxembourg（卢森堡大学） 纠错

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE、cs.AI

AI总结 BoostAPR通过基于执行的强化学习与双奖励模型，解决程序修复中反馈稀疏和奖励粗粒度的问题，实现40.7%的SWE-bench Verified准确率，展现强大的跨语言泛化能力。

Comments 21 pages, 2 figures. Accepted at ICML 2026