单文件衍生 200 种真实 Bug！上交大开源 SWE-at-Scale：逆向工程历史修复补丁，指数级合成可验证软件工程任务

核心背景与行业痛点

当前 Coding Agent 的强化学习训练（RLVR）与基准评测高度依赖类似 SWE-bench 的可验证软件工程任务库。然而，真实开源社区中高质量 Issue 与配套单元测试的自然产出频率有限，且人工构建可复现容器环境的成本极高；与此同时，现有的合成数据方案大多仅靠向大模型注入简单启发式提示词（Heuristic Prompting）凭空捏造错误，合成出的 Bug 往往停留在肤浅的语法或拼写层面，难以复现真实软件工程中跨函数边界、状态竞争或隐式契约破坏等复杂故障机理。

架构亮点与底层机制

为实现高逼真度 SWE 任务的指数级扩产，上海交通大学研究团队提出了 SWE-at-Scale 框架，开辟了“逆向历史修复”的数据合成新范式：

1. 从修复监督到致错监督的机理逆向（Fix-to-Bug Inversion）：核心洞见在于，人类开发者提交的历史 Bug 修复（Historical Fixes）天然浓缩了真实软件缺陷是如何产生的深层机制知识。SWE-at-Scale 通过逆向解析历史修复补丁，提取底层致错模式（Bug-Induction Supervision）；
2. 跨代码上下文的缺陷拓扑迁移与多样化采样：将提炼出的结构化致错模式迁移至全新的代码仓库与文件上下文中，通过多次随机采样合成不同故障类型的可执行任务，并自动配套触发故障的失败测试与验证通过标准。

权威 Benchmark 与实测跑分对比

在针对合成任务多样性、真实度以及对顶尖编程智能体的挑战度评估中，SWE-at-Scale 显著超越现有合成基线：

• 单文件稳健扩展至 200 次生成：即便针对同一个代码文件上下文进行反复采样，SWE-at-Scale 依然能持续生成机制截然不同的真实软件缺陷，且缺陷多样性（Bug Diversity）在单文件生成高达 200 个实例 时依然保持稳健不坍缩；
• 对 SOTA 编程智能体构成更强区分度：相比启发式提示词合成的任务，SWE-at-Scale 生成的工单对当前最先进的 Coding Agent 展现出显著更高的解题难度与更真实的故障分布。

开发者实战落地与开箱指南

SWE-at-Scale 生成管线已开源于 GitHub（https://github.com/cslsolow/SWE-at-scale）：

• 企业私有代码库 RL 训练数据扩增：企业研发团队可克隆 https://github.com/cslsolow/SWE-at-scale，扫描内部 Git 历史中的 fix: 提交记录，提取本司业务特有的高频缺陷模式并在最新主干代码上合成数万条带单元测试的私有训练工单，用于微调内部专属代码修复智能体。