华为与多所高校联合研究发现，在AI代码修复领域，高质量数据和精准训练方法比单纯扩大模型规模更有效。该研究通过创新的SWE-Lego框架，让小参数模型在关键任务上超越了巨型模型，为AI辅助编程提供了更高效、低成本的实现路径。
智能速览
研究发现数据质量与训练方法比模型规模更重要
SWE-Lego框架包含混合数据、精准教学和多方案会诊三大核心
8B模型在关键基准测试中成功率达到42.2%
通过测试时扩展技术，32B模型性能提升至58.8%
该成果为开源社区提供了高效、低成本的代码修复新路径
精华内容
代码修复AI的训练长期依赖复杂流程和高昂算力，华为SWE-Lego研究则另辟蹊径，探索如何仅通过改进监督学习，就能实现性能的飞跃。
数据为王
训练材料的质量直接决定了AI的上限。研究团队摒弃了单一数据源的思路，构建了一个包含32,119个任务实例的混合数据集。其中，18,409个任务来自GitHub的真实拉取请求，平均需修改3.7个文件和138行代码，复杂性高，如同真实的疑难杂症。
另外13,710个任务则为合成生成，通过模型重写和语法树变换技术创造，平均仅修改1个文件和18.8行代码，起到了基础训练的作用。
更关键的是，团队采取了严格的数据清洗措施，移除了所有可能导致AI“作弊”的Git历史记录，确保模型必须真正理解代码逻辑，而非简单复制答案。这种精心设计的“病例库”是模型成功的基石。
精准教学
传统的学习方法让AI在错误和正确的示范中“混淆视听”。SWE-Lego引入了“步骤级错误屏蔽”技术，在计算学习损失时自动忽略导致错误的操作步骤，让模型专注于学习正确的修复路径。实验证明，仅此一项技术便带来了超过2个百分点的性能提升，显著减少了“实现错误”和“定位错误”。
同时，研究团队还采用了基于难度的课程学习。他们发现，解决问题所需的交互轮次与任务难度高度相关。因此，他们将任务按难度分级，让AI先从简单任务入手，逐步挑战更复杂的问题，并在每个学习阶段都加入旧数据以巩固记忆。这种循序渐进的“教学”方式，比填鸭式训练更有效。
集体智慧
单个AI模型如同一位专家，难免存在思维局限。测试时扩展技术模拟了“多专家会诊”的场景，通过投入更多计算资源来提升最终答案的质量。
研究发现，单纯增加AI的思考轮次（顺序扩展）在达到100-140轮后收益递减，此时更有效的方式是并行生成多个候选解决方案（并行扩展），再由一个“验证器”来筛选最优解。
在验证器设计上，能进行综合推理的“生成式验证器”明显优于仅打分的“回归式验证器”。当候选方案达到16个时，前者的表现高出2.8个百分点。这种集体智慧的策略，让8B模型性能从42.2%提升至49.6%，32B模型从52.6%提升至58.8%。
实战对决
在软件修复领域的“高考”——SWE-bench Verified基准测试中，SWE-Lego展现了黑马姿态。该测试包含500个来自真实项目的复杂问题，全面考验AI的综合工程能力。
SWE-Lego-Qwen3-8B取得了42.2%的成功率，远超同级别的其他开源模型（如Klear-Agent-8B-SFT的39.0%）。而32B版本更是达到了52.6%的惊人成绩，大幅领先于同规模的对手。
值得一提的是，所有成绩均在防止“Git作弊”的严格条件下取得，含金量更高。即使与一些商业模型相比，SWE-Lego的表现也相当出色，证明了仅通过优化的监督学习，就能取得媲美复杂训练方法的效果。
SWE-Lego的成功不仅是技术上的突破，更揭示了“巧思”胜于“蛮力”的AI发展新范式。它为开源社区提供了宝贵的经验，证明精巧的设计能有效降低大模型的应用门槛。未来，当这类技术普及，程序员将从繁琐的调试中解放，专注于更具创造性的工作，这不正是我们期待AI带来的改变吗？
