华人领衔AI突破！复刻AlphaZero，Meta研究甩开人类自修成神
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
新智元报道
编辑：元宇 好困
【新智元导读】当模型学会「左右互搏」的那一刻，平庸的模仿时代结束了，真正的硅基编程奇迹刚刚开始。
编程界的AlphaZero时刻，终于来了？
当年，AlphaZero抛弃人类棋谱，仅凭「左右互搏」便参透了超越千年的棋道。
而今天，AI程序员的致命伤，恰恰就在于它们太像「人」了——
靠学习人类代码长大的AI，注定无法突破人类的平庸。
就在最近，来自Meta、UIUC和CMU的研究团队，凭借最新成果Self-play SWE-RL（SSR），正在试图复刻AlphaZero的神话——
抛弃人类教师，拒绝模仿。
论文地址：https://arxiv.org/pdf/2512.18552
只要给AI一个代码库，让它分饰「破坏者」与「修复者」进行死斗。
在这场无需人类插手的自我博弈中，一种真正的、超越人类经验的编程奇迹，正在诞生。
被「喂养」的AI与人类数据的天花板
从Devin到OpenDevin，再到各大厂内部的代码助手，它们确实能帮程序员干不少脏活累活。
但这里有一个隐形的瓶颈。
目前主流的训练方法，无论是SWE-RL还是DeepSWE，本质上都是在教AI「模仿」。
这种依赖人类知识的模式有三个致命伤：
数据不够用：高质量的、带测试用例、带详细描述的Bug修复数据，其实非常稀缺。
质量不可靠：人类写的issue经常含糊不清，测试用例也不一定完美，这导致训练信号充满了噪声。
天花板太低：如果AI只是模仿人类，它顶多变成一个平庸的初级程序员。
这也是为什么论文把它称作通向超级智能的一道根本性障碍：
一旦训练信号必须由人类提供，你就很难想象它能无限扩展到「开放式、自我进化」的层级。
核心玩法
代码沙盒里的「搏击俱乐部」
SSR的核心理念非常简单，却又极其精妙：自博弈（Self-Play）。
在这个系统中，同一个LLM被赋予了两个截然不同、相互对抗的角色。
角色一
破坏者（Bug注入智能体）
它的任务不是写代码，而是搞破坏。
给它一个正常的开源项目（比如一个Python库），它需要潜入进去，研究代码逻辑，然后制造一个Bug。
但这个破坏者不能随便乱来（比如删掉所有文件），它需要生成一套完整的「作案工具包」（Artifacts）：
bug_inject.diff ：这是真正的破坏补丁，把代码改坏。
test_script.sh ：一个能运行测试的脚本，证明Bug确实存在。
test_files.txt ：指定哪些测试文件是用来验证这个Bug的。
test_parser.py ：一个解析器，用来把测试结果翻译成机器能读懂的JSON格式。
test_weaken.diff ：它会修改或删除现有的测试用例，让Bug在当前的测试套件下不报错。
在SSR中，缺陷生成是一项由破坏者智能体执行的任务，该智能体利用工具与执行环境交互以生成缺陷工件，并进一步验证其一致性后提供给修复者智能体。
一个优秀的破坏者智能体的关键特性在于其能够生成多样化的缺陷，以捕捉真实软件开发中的复杂性，从而在广泛的软件调试与工程场景中训练修复者智能体。
角色二
修复者（Bug解决智能体）
当破坏者完成工作后，轮到修复者登场了。
修复者面对的是一个被注入了Bug，且测试被「弱化」了的代码库。
修复者拿到的任务非常具有挑战性，它看不到那个原始的Bug是怎么注入的，它必须像一个侦探一样，通过阅读代码、运行测试、分析报错，最终写出一个修复补丁（Fix Patch）。
通过破坏者和修复者两种模型角色的对抗，可以让模型实现闭环进化。
让魔法打败魔法
如何保证AI不「瞎编」？
如果你让AI随便生成Bug，它大概率会产生幻觉，为此SSR设计了一套如同安检般严格的一致性验证（Consistency Verification）流程。
一个合格的Bug工件，必须通过以下所有关卡：
存在性检查：引用的测试文件，原仓库要有；
解析器检查：Python解析器要能读懂测试输出；
脚本有效性：在没改坏代码之前，测试脚本要跑得通；
Bug范围控制：改动的文件数量要适当，符合设定的难度。
Bug有效性（关键）：注入Bug后，原本通过的测试必须变失败。如果注入了Bug测试还通过，说明Bug根本没生效。
掩盖有效性：应用了「掩盖补丁」后，原本失败的测试必须变通过，证明成功欺骗了测试套件。
最精彩的一招
逆向变异测试
逆向变异测试（Inverse Mutation Testing），是一个为了验证Bug质量而发明的新概念。
传统的变异测试是改乱代码看测试能不能发现。
而逆向变异测试刚好反过来，把Bug涉及的文件逐个恢复成原样。
如果恢复某个文件后，失败的测试变通过了，说明这个文件确实是Bug的起因。
如果恢复了文件测试还是有问题，说明这个文件跟Bug没关系。
这一步确保了AI生成的每一个改动都是必要的。
如何制造一个「完美」的Bug？
如果「破坏者」只是简单地把x=1改成x=0，那「修复者」学不到任何东西。
为了让AI变得更聪明，研究团队探索了几种极具创意的Bug注入策略。
策略A
直接注入（Direct Injection）
告诉AI：「去，搞个Bug出来」，这是最笨的方法。
结果不出所料，AI经常就在代码里随便改个数字或符号。
这种Bug太肤浅，修复者一眼就能看穿，训练效果最差。
策略B
暴力删除（Removal-only）
告诉AI：「把这块核心功能的代码删了！」
这逼迫修复者必须根据上下文和剩余的测试代码，重新实现这部分功能。
如此一来，能极大地锻炼AI的代码重构和理解能力。
策略C
历史回滚（History Rollback）
告诉AI：「去翻翻以前的提交记录，把代码回滚到某个旧版本。」
因为代码库的历史往往充满了真实的Bug和功能的演进。
让AI面对过去的代码状态，相当于让它重新经历一次项目演化的过程。这种生成的Bug最自然，最具实战意义。
实验证明，「删除策略」和「历史回滚」混合使用，效果最好。这既保证了难度，又保证了真实性。
终极杀招
高阶Bug
如果修复者尝试修复Bug但失败了，SSR认为这也可以「废物再回收利用」。
修复者失败的代码，往往是一个半成品——它可能修好了一部分，但引入了新问题。这不就是一个更复杂、更隐蔽的Bug吗？
系统会将这个「失败的修复」作为新的Bug状态，再次扔给修复者。
这种多轮次、分层级的故障模式，极大地丰富了训练数据的维度。
残酷的奖励机制与对抗博弈
在强化学习中，奖励函数是指挥棒。
SSR的奖励设计充满了一种「微妙的平衡感」。
对于修复者，奖励很简单：全对得+1分，否则-1分。成王败寇。
但对于破坏者，这就很有趣了。
如果破坏者生成的Bug太简单，修复者每次都能修好（解决率s=1），破坏者得不到高分。
如果Bug太难，根本修不好（解决率s=0），破坏者会被惩罚（因为它可能生成了逻辑矛盾的死局）。
SSR采用了一个基于解决率s的公式：
其中，s∈[0,1]是解决率（solver成功修复bug的比例），α∈(0,1)是一个超参数，用于控制对退化解决率的惩罚强度，在实验中设置为0.8。
它的意思是：最好的Bug，是那些让修复者感到棘手、通过率不高不低、处于「能力边界」上的Bug。
这迫使破坏者不断提升难度，正好卡在修复者「跳一跳够得着」的地方，从而推动双方共同进化。
战果揭晓
AI真的变强了吗？
研究团队使用了Code World Model（CWM）的32B模型作为底座，在512个H100 GPU上进行了训练。
他们在两个权威榜单上进行了测试：
SWE-bench Verified：经过人工验证的真实GitHub issue集合。
SWE-Bench Pro：更复杂、更企业级的问题集合。
竞争对手是基于同样模型架构、同样环境镜像，但使用「人类数据」（Human Data）训练出来的基准模型。
所谓人类数据基准，就是用传统的「Issue描述+测试用例」方式训练的。
结果令人振奋：
SSR完胜：在整个训练轨迹中，SSR的表现始终高于「人类数据」基准。
分数提升：在SWE-bench Verified上提升了10.4%，在SWE-Bench Pro上提升了7.8%。
零样本泛化：SSR在训练时从未见过任何自然语言描述的Issue，它只看过代码和测试。但在测试时，它却能完美处理带有Issue描述的任务。这说明它学到的不是「做题技巧」，而是真正的「编程内功」。
测试结果显示，随着训练步数的增加，SSR的能力稳步上升，而没有出现过拟合或崩溃，证明了自博弈产生的「课程」是持续有效的。
通向超级智能的最后一块拼图
SSR的出现，意味着我们终于找到了一条摆脱「数据饥渴」的路径。
以前我们认为，要想AI写好代码，必须有无数的人类程序员贡献代码和修Bug的记录。
现在SSR告诉我们：只要有代码库（Raw Code）就够了。
当然，SSR还只是第一步。
它目前的验证还主要依赖单元测试，还没法处理那种跨越数月的大型重构任务。
但它指明了方向：
超智能软件系统的诞生，可能不需要人类作为老师，只需要人类的代码作为战场。
作者简介
Yuxiang Wei
Yuxiang Wei
Yuxiang Wei是伊利诺伊大学厄巴纳-香槟分校（UIUC）计算机科学系的博士生，由Lingming Zhang教授指导。
他同时在Meta FAIR担任兼职研究员，与Sida Wang、Daniel Fried等人合作，致力于推进大型语言模型（LLM）在代码智能方面的应用。
Zhiqing Sun
Zhiqing Sun
Zhiqing Sun是Meta超级智能实验室（MSL）TBD Lab的AI研究科学家，专注于训练大型语言模型（LLM）用于深度研究、代理开发和复杂任务。
此前，他在OpenAI的后训练团队担任研究科学家，并曾在AllenNLP和MIT-IBM Watson AI Lab实习。
Zhiqing Sun于2025年2月在卡内基梅隆大学语言技术研究所获得计算机科学博士学位，并在北京大学获得计算机科学专业荣誉学士学位。
David Zhang
David Zhang
David Zhang是Meta基础AI研究（FAIR）巴黎实验室的研究科学家，专攻使用LLM的代码生成机器学习和深度学习技术。
David Zhang拥有阿姆斯特丹大学机器学习博士学位、慕尼黑工业大学计算机科学硕士和学士学位。
Lingming Zhang
Lingming Zhang
Lingming Zhang是伊利诺伊大学厄巴纳-香槟分校（UIUC）计算机科学系的副教授，隶属于Grainger工程学院。
他的研究融合软件工程、编程语言、形式方法和机器学习，重点关注基于LLM的软件测试、分析、修复和合成。
Sida Wang
Sida Wang
Sida Wang是Meta基础AI研究（FAIR）西雅图实验室的研究科学家，专注于自然语言处理、机器学习和代码大型语言模型（LLM）。
此前，他在普林斯顿大学和高等研究院（IAS）担任研究讲师，并于2017年在斯坦福大学获得计算机科学博士学位（由Chris Manning和Percy Liang联合指导）。
他持有多伦多大学应用科学学士学位，曾在Geoffrey Hinton指导下研究胶囊网络。
参考资料：
https://x.com/YuxiangWei9/status/2003541373853524347%20
https://arxiv.org/abs/2512.18552
秒追ASI
⭐点赞、转发、在看一键三连⭐
点亮星标，锁定新智元极速推送！
相关攻略
从零到一：用AI生成一份专业的媒体影响力报告 但凡在内容或运营团队待过的人，大概都对制作《媒体影响力报告》这类活儿记忆犹新。那过程，堪称一场跨部门接力赛：运营同事得先从各个平台后台手动扒拉数据，计算阅读量、粉丝增长和互动率；拿到一堆冰冷数字后，还得拉着账号负责人反复琢磨定位和文案；最后，抱着半成品火
封面新闻记者 邹阿江 图由航空工业成飞提供 2026年“五一”国际劳动节前夕，航空工业成飞的技术专家聂海平，荣获了一枚全国五一劳动奖章。 消息传来，身边同事都说，“大师”拿奖是实至名归。可聂海平自己呢，还是那副老样子——摆摆手，说自己不过是个普通人，幸运地站在一个好平台上，干着点自己感兴趣的事儿罢了
编辑 | 王凤枝 “AI时代，每天干3个小时就足够了。” 这句话出自前亚马逊资深工程师、技术大牛史蒂夫·雅吉（Steve Yegge）之口，算得上是对当前AI狂热的一剂清醒剂。 当整个行业都在为“10倍提效”而欢呼雀跃时，雅吉却点出了一个被普遍忽视的代价：在AI的高强度辅助下，程序员的产出固然爆炸式
一、概述 每天重复相同的操作，是不是感觉有点枯燥？比如，你每天都要煮饭，得经历洗米、加水、按下煮饭键这三步。如果每次都要从头到尾念叨一遍这个过程，那可就太费劲了。 别担心，函数就是来拯救你的。在Python的世界里，函数就像一个“一键煮饭”的智能按钮。你只需要把那些重复的步骤打包成一个固定的“命令”
吃透Pandas两大“数据汇总神器”：透视表与交叉表实战指南 在数据处理的工具箱里，如果说基础的清洗、筛选是基本功，那么多维度、交叉式的数据汇总，往往就是区分新手与熟手的分水岭。面对诸如“按地区加品类统计销售额”、“分析不同省份的商品订单分布”这类需求，如果还停留在手动分组、多层循环的老路上，不仅代
热门专题
热门推荐
我的世界正版账号在哪买？权威平台推荐与安全购买全攻略 想要畅玩《我的世界》的所有游戏内容并享受完整社区支持，一个正版账号是必不可少的入场券。如何挑选靠谱渠道并确保交易安全，是许多玩家关心的首要问题。本文将为您系统梳理主流购买平台，并提供一套可操作的安全指南，助您无忧开启创造之旅。 官方渠道：最安全可
在《三角洲行动》中，长弓溪谷地图的“2026”系列密码是解锁隐藏区域与高级资源的关键。掌握这些密码不仅能开启封锁区域获取强力装备，还能触发专属剧情任务，大幅提升你的游戏体验与探索自由度。 三角洲行动长弓溪谷密码汇总与2026密码获取全攻略 具体而言，长弓溪谷中的“2026密码”通常巧妙地隐藏在地图环
掌握DNF助手雪球活动核心玩法，轻松领取海量游戏奖励 在《地下城与勇士》的冒险旅程中，DNF助手雪球活动为玩家提供了一个绝佳的福利获取渠道。参与这项活动不仅能丰富游戏体验，更能为角色成长积累大量实用资源，有效提升刷图与攻坚副本的效率。 DNF助手雪球活动完整参与指南与核心注意事项 要高效参与活动，首
京剧作为中国的国粹，孕育了无数杰出的表演艺术大师。其中，梅兰芳、程砚秋、尚小云、荀慧生并称为“京剧四大名旦”，他们的艺术成就举世瞩目。那么，在知识问答或相关测试中，我们如何才能准确识别出哪位是四大名旦之一呢？ 如何准确判断哪位表演艺术家属于京剧四大名旦 这既是一个经典的文化常识问题，也是一种有趣的互
王者荣耀空空儿出装与实战教学：掌握高爆发刺客的致胜秘诀 在《王者荣耀》这款游戏中，胜负的天平往往倾斜于对细节的把控。想要精通刺客位，仅有极快的手速是远远不够的，合理的装备搭配和精准的入场时机，才是区分顶级刺客与团队短板的核心要素。本期攻略，我们将深入解析高机动性刺客英雄空空儿，为你详细拆解如何在游戏