ProgramGym: ambienti di addestramento scalabili per agenti che riproducono programmi su orizzonti lunghi

Abstract degli autori

Gli agenti di programmazione vengono usati sempre più spesso per costruire programmi da zero, come fanno gli ingegneri del software, anziché per risolvere problemi all’interno di un repository o generare un repository a partire da un documento di requisiti fornito. Restano però rari gli ambienti di addestramento scalabili e verificabili che costringano gli agenti a scoprire che cosa è richiesto e a decidere come progettare il sistema. Inoltre, i flussi di lavoro esistenti per gli agenti non riescono a sostenere uno sviluppo di lunga durata in cui l’agente esplora il programma di riferimento prima di implementarlo. Per affrontare queste sfide, presentiamo ProgramGym, un framework composto da Program-Env e Program-Agent per creare ambienti di addestramento scalabili destinati ad agenti che riproducono programmi su orizzonti lunghi. Nello specifico, Program-Env costruisce ambienti di addestramento verificabili a partire da repository mediante un ciclo guidato dal feedback che corregge le build delle sandbox di esecuzione e migliora la qualità dei test black-box. Con questa nuova pipeline otteniamo 1.648 ambienti di addestramento per C, C++, Go e Rust. Program-Agent combina un flusso di lavoro con ruoli separati per analisi, implementazione e revisione con la gestione delle revisioni per i controlli di compilazione e il recupero dagli errori. Gli esperimenti su ProgramBench mostrano che sia Program-Env sia Program-Agent migliorano le prestazioni nella riproduzione di programmi. Il fine-tuning su traiettorie in questi ambienti porta le prestazioni di Qwen3.8-27B dal 34,87% al 42,84%. Program-Agent porta inoltre le prestazioni del modello di base e di quello SFT rispettivamente al 55,71% e al 56,25%, superando in entrambi i casi alcuni modelli di punta. Renderemo pubblico ProgramGym per sostenere ulteriori ricerche sugli agenti di programmazione che costruiscono programmi da zero.