La distillazione di indizi a posteriori potenzia gli agenti SWE senza dati di catena di pensiero

I ricercatori propongono Hindsight Hint Distillation (HHD), un metodo che migliora la pianificazione e il ragionamento degli agenti di ingegneria del software (SWE) senza richiedere costose annotazioni di catena di pensiero (CoT). HHD utilizza solo coppie domanda-risposta facili da ottenere, sintetizzando indizi a posteriori dai fallimenti del modello stesso per supportare rollout on-policy che completano i compiti. Il modello poi auto-distilla queste traiettorie e generalizza a nuovi problemi senza indizi. Esperimenti su SWE-bench Verified mostrano che HHD ottiene un miglioramento assoluto dell'8%, superando significativamente le baseline iterative RFT e trajectory-synthesis, che migliorano solo di circa il 2%.