Kwaipilot/KAT-Dev

KAT-Dev（32B）是一款专为软件工程任务设计的开源 32B 参数模型。在 SWE-Bench Verified 基准测试中，它取得了 62.4% 的解决率，在所有不同规模的开源模型中排名第五。该模型通过多个阶段进行优化，包括中间训练、监督微调（SFT）与强化微调（RFT），以及大规模智能体强化学习（RL）。该模型基于 Qwen3-32B，其训练过程通过增强工具使用、多轮交互和指令遵循等基础能力，为后续微调和强化学习阶段奠定基础。在微调阶段，模型不仅学习了八种精心策划的任务类型和编程场景，还创新性地引入了强化微调（RFT）阶段，利用人类工程师标注的“教师轨迹”进行指导。最后的智能体强化学习阶段通过多级前缀缓存、基于熵的轨迹修剪和高效架构解决了扩展性挑战