Windsurf использовал RL для обучения небольшой модели, специально предназначенной для поиска ошибок, и в внутренней оценке достиг равенства с Claude Opus 4.6

МЕ Новости, 15 апреля (UTC+8), по данным мониторинга 动察 Beating, материнская компания Windsurf, использующая ИИ-инструменты программирования, Cognition AI, совместно с компанией по обучению ИИ Applied Compute, обучили модель SWE-Check, специально предназначенную для обнаружения ошибок в коде, с помощью обучения с усилением. Эта модель анализирует текущие изменения в коде пользователя (diff), автоматически отмечает возможные введённые ошибки и даёт рекомендации по исправлению. В оценке, проводимой на данных, распределённых так же, как и обучающие, F1-скор SWE-Check достиг уровня Claude Opus 4.6 (разница снизилась с 0.09 до 0); в межраспределённой оценке разница сократилась с 0.49 до 0.29, всё ещё уступая передовым моделям, но уже демонстрируя значительный прогресс. Основные преимущества — скорость и стоимость: скорость работы SWE-Check в десять раз выше, чем у передовых моделей, а стоимость вывода значительно снижена, что позволяет осуществлять мгновенное и бесплатное обнаружение ошибок прямо в IDE, чего не могут обеспечить крупные модели вроде Opus 4.6. В методике обучения есть два важных дизайнерских решения: 1. Линейное вознаграждение (reward linearization): команда стремилась оптимизировать глобальный показатель F-beta, но этот показатель нельзя напрямую разбить на отдельные образцы. Они использовали приближение первого порядка, преобразуя глобальный показатель в функцию награды, которую можно вычислять по образцу, что позволяет эффективно повышать глобальный показатель в процессе обучения. В ранних версиях уровень ложных срабатываний был слишком высоким, команда увеличила β с 1 до 0.5, чтобы подчеркнуть точность. 2. Двухэтапное обучение: первый этап — чистое максимизирование способности обнаружения ошибок без штрафов за задержку; второй этап — введение штрафов за задержку, основанных на статистическом распределении времени, которое требуется реальным пользователям, чтобы переключиться после срабатывания обнаружения. Такой поэтапный подход превосходит одновременную оптимизацию двух целей, так как последний склонен застревать в локальных оптимумах, например, учиться очень быстрому, но поверхностному анализу. Предварительная версия SWE-Check уже запущена в Windsurf Next (горячие клавиши cmd+U), а затем перейдёт в полноценную версию Windsurf. (Источник: BlockBeats)