arXiv cs.SE· Lorenz Brehme, Benjamin Steenhoek, Ruth Breu·· 2 小时前AI 评分47
SWE-DIVE：用动态用户模拟评测多轮编码智能体
SWE-DIVE: Multi-Turn Coding Agent Evaluation with Dynamic User Simulation
AI 导读
研究者提出 SWE-DIVE，一个面向多轮环境的编码智能体动态交互评测框架，指出 SWE-bench 等基准用格式良好的 GitHub issue 做一次性评测，与真实使用中用户多轮追加需求的方式不同。
来源：arXiv cs.SE · arxiv.org