亚马逊开源 LAR-27B/9B：用 Lean 4 过程奖励训智能体 RL，SWE-bench Verified 84.2%
亚马逊在 Hugging Face 官方组织下放出两个开放权重模型 LAR-27B 与 LAR-9B（Apache 2.0），名字取自「Agentic RL Model with Process Reward with Lean 4」：底座分别是 Qwen3.8-27B 与 Qwen3.5-9B，做法是用 Lean 4 提供可验证的多级过程奖励、在此之上跑智能体强化学习，训练数据是 SWE-Rebench 中经许可证过滤的软件工程任务子集。仓库里同时给了评测工具链 PSWF 与 Terminus-2 harness，可按官方给出的多容器流程在本地复现 Terminal-Bench 2.1 的评测。
官方给出的数字是：27B 在 SWE-bench Verified 84.2%、Terminal-Bench 2.0 68.2%、Terminal-Bench 2.1 77.3%；9B 同三项为 64.2%、32.8%、29.5%——同一套方法在两个规模上都拉开了明显差距。它改变了什么：这是「把形式化验证器的分级反馈直接当奖励信号」这条路线第一次以可下载权重的形式出现在代码智能体上；但 84.2% 这一档目前只有厂商自测口径，配套论文的 PDF 还挂在 GitHub 上、arXiv 版官方写明待更新，本站本轮未读到第三方独立复现。
核验记录
一手页为官方 HF 仓 amazon/LAR-27B（另有 LAR-9B 同胞仓），两仓 createdAt 相隔 18 秒互证：LAR-9B 2026-10-14T17:30:43Z、LAR-27B 2026-10-14T17:31:01Z（lastModified 10-14T21:26-27Z），定日取 10-14。⚠ 未找到官方公告页：amazon.science/blog、aws.amazon.com/blogs/machine-learning/ 列表、github.com/amazon-science 三处 grep「LAR」命中均为 0，中文/英文搜索亦未命中该模型，故本条日期属 R21 降级链的第③层（HF 官方仓 createdAt），非官方公告日，置信度记中高。权重许可 apache-2.0（仓内 LICENSE 与卡片 frontmatter 一致），参数与成绩（84.2/68.2/77.3 与 64.2/32.8/29.5）逐项取自模型卡正文表格；卡片自述方法论为 post-trained from Qwen/Qwen3.8-27B using Lean4AgenticRL process reward methods，引用条目指向 Ruida Wang / Gerald Friedland / Tong Zhang / Chris Kong 的预印本《Lean4AgenticRL: Advancing Agentic RL with Verifiable Multi-level Process Rewards》（当前 PDF 在 GitHub，arXiv 版待更新）。罗列参考刻度：SWE-bench Verified 与 Terminal-Bench 均为厂商自测，本站未直读任何第三方榜单。配图取官方仓 og:image（cdn-thumbnails.huggingface.co，裸请求与带站内 Referer 各一次均 200 / PNG 1200×648）；仓内 assets/ResultPlot.png 亦双通路 200 / PNG 5509×2841，未采用。