Kleberfs2005/Evaluation-LLMs：基于 SWE-bench 与 SonarQube 的 LLM 代码生成多维评估流水线

该仓库提供一套四阶段自动化流水线，评估 LLM 生成代码补丁的质量。流水线从 SWE-bench 提取预测并重建仓库状态，用 SonarQube 对 500 个项目做静态分析，再调用 gemini-2.5-flash 以 LLM-as-a-Judge 方式做语义评估，最终输出 1-3 级的序数指标（根因解决深度、架构完整性、防御性覆盖），用于统计相关性分析。