AIフロントライン

SWE-AGILEは、LLMによる自律ソフトウェアエンジニアリング（SWE）タスクにおける根本的ジレンマを解決する。従来のReActスタイル手法は深い分析（System-2推論）が不十分であり、一方で推論モデルの長いCoT履歴をそのまま保持すると「Lost-in-the-Middle」（長文脈で中間情報が埋もれる現象）が起きパフォーマンスが低下する。本手法はDynamic Reasoning Contextとして、直近Nステップの詳細推論をスライディングウィンドウで保持しつつ、古い推論を簡潔なReasoning Digest（要約）に置き換えるハイブリッド戦略を採用。訓練面では軌跡をスナップショットに分解するTrajectory Snapshot TrainingでSFT/RLの文脈整合を担保し、既存軌跡に推論を後付けするBackfilling Pipelineで少量データでの高品質SFTを実現。さらに圧縮率報酬を含むRLVRで推論深度とコンテキスト効率を同時最適化する。実験ではQwen3-8BモデルにてSWE-Bench Verified 24.1%を達成し、19.3kデータを用いたSWE-Dev（7B、23.4%）をわずか2.2k軌跡で上回った。8Bモデルながら14BのSkyRL-Agent-v0（21.6%）も超える性能を示しており、深い推論と文脈効率の両立が可能なことを実証した。