研究团队发布Multi-step SWE长程编码基准
热点事件观察中
研究团队发布Multi-step SWE长程编码基准
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究团队发布 Multi-step SWE 长周期软件工程基准，包含 69 个任务，每个任务是由 5–15 个依赖步骤组成的链条，每一步都基于智能体此前自己写出的代码继续扩展、升级和优化。基准覆盖四类工程工作和九种语言，包含从零构建与现有开源代码库两类场景，已公开发布。 在九个前沿模型上测试，最强模型的解决率仅 18.5%，69 个任务中有 38 个没有任何模型能解出。
AI 根据报道生成 · 6 小时前更新
最新进展11月5日 05:49
Multi-step SWE：编码智能体能否在长周期内持续构建自己的代码？报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv · cs.AIMulti-step SWE：编码智能体能否在长周期内持续构建自己的代码？
研究团队推出 Multi-step SWE 长周期基准，包含 69 个软件工程任务，每个任务是由 5-15 个依赖步骤组成的链条，每一步都基于智能体此前自己写出的代码继续扩展、升级和优化。在九个前沿模型上，最强模型的解决率仅 18.5%，69 个任务中有 38 个没有任何模型能解出。该基准覆盖四类工程工作和九种语言，包含从零构建与现有开源代码库两类场景，已公开发布。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 411月6日 11:00
- 近 24 小时变化
- –
0246
11:0012:0013:0014:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。