一句话看懂:Hugging Face Papers 收录的论文提出 RepoFactory,把真实代码仓库自动改造成可验证的训练环境,并用“环境进化循环”筛选训练价值更高的任务;据摘要,Qwen3.5-35B-A3B 在这些环境上训练后,NL2Repo-Bench 提升 22.6 个百分点。值得关注的是,它试图解决长程编程智能体“有环境但不好训”的问题。
事件核心:发生了什么
论文摘要显示,RepoFactory 是一条自动化流水线:给定语言规格,智能体需要从零构建完整项目,真实仓库被转换为带可验证反馈的环境。其 Environment Evolution Loop 通过代理反馈,围绕有效性、结构耦合度和实现规模三个维度优化一个乘法目标。据摘要,该流程覆盖 17 个软件领域,共产出 10,159 个环境。基于这些环境训练 Qwen3.5-35B-A3B 得到 RepoHorizen-35B-A3B,在 NL2Repo-Bench 上提升 22.6 个百分点,在五个覆盖长程编程与智能体任务的基准上平均提升 8.5 分;不使用环境进化时,对应提升为 17.5 和 6.4 分。以上均为摘要数据,尚未核验全文实验细节。
为什么重要
长程编程任务普遍缺少“可验证、可规模化”的训练信号。常见做法是线性流水线,验证完就结束,环境能不能提升训练效果缺少指引;而递归自我改进又依赖模型 rollout 或下游评测,在长任务上成本和反馈延迟都会被放大。RepoFactory 的思路是用及时、可靠的代理信号来决定环境是否值得保留和升级,把“造环境”本身变成可优化的工程环节。对开源模型生态而言,这提供了一条不依赖闭源数据、从真实代码库中批量生产训练任务的路径。
对用户/开发者/创作者的影响
对开发者来说,如果这类环境生成方法后续开放,团队可以用自己的代码库构造贴近生产实践的智能体评测和微调数据,而不只依赖公开基准。对关注开源模型的团队,RepoHorizen-35B-A3B 的增益说明中等规模 MoE 模型在配套环境足够好时仍有提升空间。对普通用户和创作者,短期内更直接的影响是编程智能体处理完整项目的能力可能改善,但目前公开信息显示这仍是论文层面的训练方法,不是可直接调用的产品功能。
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
值得关注的后续
一是 RepoFactory 是否开源环境生成代码或部分环境数据,这决定社区能否复现。二是增益在更多基座模型和真实工程任务上是否稳定,摘要只给出 Qwen3.5-35B-A3B 的结果。三是环境进化循环的代理信号如何避免刷分,这是这类自动化训练环境能否被广泛采用的关键。

