[AI]《KAT-Coder-V2.5 Technical Report》B Huang, F Li, H Xu, H Huang… [KwaiKAT Team] (2026)

在自主编程智能体领域，从单轮代码生成转向复杂的仓库级工程修复仍是难题。过去的方法受困于训练数据质量低且环境不可执行，本质原因是缺乏大规模可复现的沙盒验证体系，以及仅凭“最终结果”判定胜负导致的奖励稀疏与过程逻辑误导。

本文的核心洞见是：将智能体能力构建视为系统工程而非单纯的模型参数缩放。由此，AutoBuilder 自动化重构可验证环境、提示词引导的“近失”轨迹修复以及多接口随机化的强化学习，这一系列关键操作使模型从单纯的代码补全者进化为具备工程纪律的自主开发者。

这项工作真正留下的遗产是建立了一套从环境构建到轨迹蒸馏的端到端智能体对齐范式。它为后来者打开的新门是在真实仓库中实现高成功率的工具调用与自主修复，但尚未跨过的门槛是在极端复杂的科学编程与超长程逻辑推理上完全超越顶尖通用模型。

arxiv.org/abs/2607.05471 机器学习 人工智能 论文 AI创造营