Windsurf використав RL для навчання спеціальної маленької моделі для виявлення багів, і внутрішні оцінки вже зрівнялися з Claude Opus 4.6

ME News Новини, 15 квітня (UTC+8), згідно з моніторингом Дангча Beating, материнська компанія Windsurf, що займається AI-програмними інструментами, Cognition AI, у співпраці з компанією з тренування AI Applied Compute, навчила модель SWE-Check для виявлення помилок у коді за допомогою підкріплювального навчання. Ця модель аналізує поточні зміни користувача (diff), автоматично позначає можливі помилки та дає рекомендації щодо їх виправлення. У оцінці, що проводилась на даних, подібних до тренувальних, F1-рахунок SWE-Check досяг рівня Claude Opus 4.6 (різниця зменшилась з 0.09 до 0); у міжрозподільчій оцінці різниця зменшилась з 0.49 до 0.29, хоча вона ще поступається передовим моделям, але вже демонструє значний прогрес. Основні переваги — швидкість і вартість: швидкість роботи SWE-Check у десять разів вища за передові моделі, а витрати на обчислення значно знижені, що дозволяє здійснювати миттєве та безкоштовне виявлення помилок у IDE, чого не можуть зробити безпосередньо великі моделі, такі як Opus 4.6.

Два важливі підходи у методі тренування заслуговують уваги:

1. Лінійне нагородження (reward linearization): команда прагне оптимізувати глобальний показник F-beta, але цей показник не можна безпосередньо розкласти на окремі зразки. Вони за допомогою першого порядку апроксимації перетворили глобальний показник у функцію нагороди, яку можна обчислювати для кожного зразка, що дозволяє ефективно піднімати глобальний показник під час тренування. У ранніх версіях рівень помилкових спрацьовувань був високим, тому команда зменшила beta з 1 до 0.5, щоб підкреслити точність.
2. Двоступеневе додаткове тренування: перший етап — максимізація здатності виявляти помилки без врахування затримки; другий етап — введення штрафу за затримку, заснованого на статистичному розподілі часу, який користувачі витрачають на перемикання після запуску детекції. Такий підхід краще, ніж одночасне оптимізування двох цілей, оскільки останній може застрягти у локальному мінімумі, наприклад, навчившись швидко реагувати, але поверхнево аналізуючи.

Попередня версія SWE-Check вже доступна у Windsurf Next (гаряча клавіша cmd+U), а згодом вона буде інтегрована у повноцінну версію Windsurf.
(Джерело: BlockBeats)