软件开发是大模型落地最快的应用场景之一，但现有模型主要基于静态代码数据进行训练，缺乏对软件开发过程中动态交互、工具使用、迭代问题解决和演化特性的深入理解，影响了其在真实场景中的实用性。
据介绍，通义灵码SWE-GPT基座模型为通义千问Qwen2.5，在后训练阶段进一步模拟人类程序员的认知过程，学习软件工程领域复杂问题的端到端多步骤解决过程。同时，团队创新性采用合成数据进行迭代模型训练，通过模拟真实软件开发中的动态交互与迭代问题解决过程（如代码库理解、故障定位和补丁生成），有效解决现有基础大模型的局限性。
在模型训练阶段，为了增强训练过程的鲁棒性，通义灵码团队还采用了课程学习的方法，随着迭代的进行，逐步加入当前模型未能解决的问题，循序渐进提高训练样本的复杂度，确保模型巩固基础能力。
ISSTA评审委员会专家点评称：“ SWE-GPT是一种新颖的以「软件开发流程为中心」的大语言模型，它提出的数据合成方案真实模拟了实际软件开发过程，这是AI辅助软件开发领域前进的重要一步。”
通义灵码算法负责人李永彬表示：“基于大模型的软件工程智能化领域的研究和应用正在快速发展，仅靠现有基础模型仍无法满足真实场景的需求，SWE-GPT为AI 辅助软件开发提出了新范式。”
ISSTA是软件工程领域最具影响力的学术会议之一，该会议汇聚了学术界和工业界在软件测试、程序分析、代码质量保障等技术的前沿研究与应用。本届ISSTA共收到550篇投稿，最终录用107篇，其中仅有9篇被评为杰出论文。
（注：此文属于央广网登载的商业信息，文章内容不代表本网观点，仅供参考。）
