SWE-DIVE：多轮编码智能体评测框架

研究者 Lorenz Brehme 等人提出并开源了 SWE-DIVE，一个面向多轮环境的编码智能体动态交互评测框架。该框架针对的是现有基准的局限：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。 SWE-DIVE 通过动态用户模拟来评测编码智能体在多轮交互中的表现。研究者在论文中称，开发该框架是为了评测这类多轮能力。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。