DARE：面向修复增强的任务难度分析框架

DARE 将修复任务难度定义为多个编码智能体在任务上的观测失败率，并用从基准产物中提取的 151 个静态特征预测该难度。在包含 2,594 个任务的四个基准分区上，难度模型的对齐预测取得 Spearman ρ = .476-.621，且各任务与基准中最显著的 Repair-Task Feature Group 并不相同。编码智能体实验显示，按任务显著特征组匹配支持可提升修复成功率。