When Requirements Interact: Scaling Long-Horizon Coding via Interdependent Specifications
需求交互时：通过相互依赖规格扩展长程编码
🧭 编码代理 · 规格合成与强化学习
LLM Core, Xiaomi · Peking University · University of Hong Kong
CodeSpecWeave 合成带相互依赖规格的任务并用 RL 训练编码代理，显著提升长程开发表现
📌 工作参考价值
- 任务设计上，可构造具有相互依赖约束的合成任务（例如同时满足相关性、多样性、商业指标约束），迫使模型进行联合推理，避免退化为简单清单，提升生成式推荐或 query 推荐策略的鲁棒性。
- 数据质量保障上，借鉴 review agent 审计多条 solution trajectories 的做法：在离线样本生成或评估中，用多个模型交叉验证候选输出的合理性和正确性，过滤隐藏缺陷或误判，提高训练数据可靠性。
- 训练范式上，在仿真环境或历史日志中合成带多目标约束的任务，用强化学习优化策略模型，使其在复杂业务约束下（如用户体验与商业收入平衡）学习长期收益。
- 评估体系上，构建包含多维规格的基准，揭示模型在处理相互依赖约束时的能力边界，指导针对性迭代。
动机：真实软件开发中，编码代理需满足多维度任务规格（接口兼容性、错误处理等），且不能破坏已有依赖。现有任务合成缺少数量和多样性的规格，常偏重主要目标而忽略复杂约束。直接添加规格易使任务退化为琐碎清单，验证相互依赖的规格又可能漏掉隐藏缺陷或错误拒绝有效方案。
方法关键点：CodeSpecWeave 框架，基于真实开发者种子，由 synthesis agent 迭代生成耦合的任务需求和可执行测试；review agent 审计多个模型的 solution trajectories 以保证测试可靠性。
结果：构建 4,670 个训练任务，覆盖 2,865 个仓库。在这些任务上做强化学习，在 DeepSWE-v1.1 上性能显著超越基线和现有基线。另构建 CodeSpecWeave-Bench 基准，含 100 任务、1,044 规格，清晰区分前沿模型，揭示处理相互依赖工程约束仍有很大空间。