Ця стаття представляє daVinci-Dev, систематичний підхід до проміжного навчання агентів, який наділяє великі мовні моделі (LLM) основними агентними поведінками для програмної інженерії. Він вирішує невідповідність розподілу між статичними навчальними даними та динамічними середовищами розробки за допомогою "агентних даних" (контекстно-рідні траєкторії з запитів на злиття GitHub та екологічно-рідні траєкторії з реальних взаємодій Docker). Це дозволяє LLM автономно навігувати, редагувати та тестувати складні кодові бази, досягаючи найсучасніших показників вирішення на SWE-Bench Verified.