CrossSWE：面向编码智能体的跨仓库联合开发基准

CrossSWE 是一个面向编码智能体的跨仓库联合开发基准，包含 171 个真实实例，覆盖 165 个仓库、20 个技术领域和 13 种编程语言。该基准通过检验仅修改部分仓库是否不足以实现预期行为，来确认协同修改的必要性。对五个 LLM 的评测显示，最强模型 GPT-6.1 Sol 仅达到 58.48% Pass@1，跨仓库不一致是最主要的失败模式，占 44.2%。