Hugging Face Daily Papers·· 7 天前精选AI 评分49
SWEeper-Bench：智能体能否发现交互式软件中的 bug？
SWEeper-Bench: Can Agents Discover Bugs in Interactive Software?
AI 导读
研究者提出 SWEeper-Bench，包含 200 个任务，均取自 200 个广泛使用的开源 Web 应用中的真实 bug 修复。每个任务只给智能体代码库和开放式请求，例如“找出并修复 Focalboard 看板分享与成员管理中的问题”，由于这些 bug 难以仅从代码中发现，智能体必须自行设计交互式测试来触发它们，再由智能体验证器按用户在浏览器中观察到的结果评判修复。
推荐理由
该基准把交互式软件中依赖多步操作才能触发的 bug 交给智能体自主发现，并给出 15 个前沿智能体的通过率与瓶颈分析。
来源：Hugging Face Daily Papers · huggingface.co