Open-SWE新增Qwen轨迹
代码训练进入判断时代

NVIDIA 的 Open-SWE-Traces 于 2026-09-26 发布 v1.2 更新，新增由 Qwen3.8-27B 驱动 mini-swe-agent 生成的轨迹，并计划继续加入 OpenCode 与 Claude Code harness 数据。该数据集当前下载量为 31,393，获得 136 个点赞，许可为 CC-BY-4.0，覆盖代码、工具调用和 Agent 轨迹。

Surge AI 于 2026-09-25 同时发布 surgeai/DAYJOB-finance 与 surgeai/DAYJOB-healthcare，两者均围绕真实企业知识工作设计，强调短请求、复杂工作环境探索和需要专业判断的任务；当前公开下载量均为 0，但已被数据集分类为 Agent Tool 场景。Surge AI 博客同期将 DAYJOB 定义为面向现实工作能力、价值观、品味和隐性判断的基准家族。

论文 《Calibrated Decision Models for Autonomous Penetration-Testing Harnesses》 于 2026-09-24 发布，研究 JEV 和 Laya 如何为渗透测试 Agent 提供类型化、可校准的决策层，以减少误报和严重性膨胀；同日 Hacker News 上 Ollaya 获得 392 个赞、108 条评论，9 月 22 日发布的 JevBench 获得 147 个赞、37 条评论。Together 于 2026-09-23 发布 togethercomputer/Tev1-4B-experimental，当前下载量 1,020、点赞 16，并于 2026-09-25 发布 0.8B 版本。

《Context-Continuous Preference Learning for Exoskeleton Personalization》 于 2026-09-23 发布，探索在不同运行条件下用少量用户反馈学习外骨骼偏好；《Self-Play Pretraining with Zero Data》 于 2026-09-24 发布，提出让模型生成对自身改进最有价值的训练数据；《Optimal Sequential Annotations for Off-Policy Evaluation》 于 2026-09-22 研究如何在专家成本较高且 LLM 判断可能存在偏差时，选择最有价值的顺序反馈；《EDGEGEN》 于 2026-09-21 探索面向企业 Agent 状态和数据库的合成边界案例生成。

Qwen 于 2026-09-18 发布 Qwen/RecreationBench，包含跨 Ubuntu、macOS、Windows、Android 和 Web 的 250 个应用复刻任务，当前下载量 4,404、点赞 12，用于 RecreationWorld 的留出评测。Qwen 同期的 Qwen-Image-2.1 于 2026-09-14 发布，当前下载量 42,469、点赞 2,333；其图像编辑版本于 2026-09-20 发布，下载量 7,200。