arXiv · cs.AI· Lorenz Brehme·· 6 天前AI 评分42
SWE-DIVE：基于动态用户模拟的多轮编码智能体评测框架
SWE-DIVE: Multi-Turn Coding Agent Evaluation with Dynamic User Simulation
来源与原文
arXiv · cs.AI
作者：Lorenz Brehme
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.30047v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者推出 SWE-DIVE，一个用于多轮环境评测编码智能体的动态交互式验证框架，弥补 SWE-bench 等基准只使用一次性、结构化 GitHub issue 输入的不足。框架包含可模拟不同行为模式的用户模拟器和评估其输出是否符合初始需求的对话验证器，整体嵌入 Harbor 环境，负责编排智能体、用户模拟器与验证器并执行测试环境。结果与源代码已在 GitHub 仓库公开。
来源：arXiv · cs.AI · arxiv.org