研究者发布 SWE-Skills-Bench 评测 Agent 技能效用
热点事件持续更新
研究者发布 SWE-Skills-Bench 评测 Agent 技能效用
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Tingxu Han 等作者发布 swe-skills-bench，一个以技能为中心、需求驱动的基准，用于衡量单个 Agent 技能在真实软件工程任务上带来多大提升。 基准从 98 个公开 SWE 技能出发，为每个技能配对一个固定 commit 的真实 GitHub 仓库，生成可执行验证器，并在四种 Agent 模型配置下做有技能与无技能的配对评测，共 3920 次。 作者称该基准衡量的是单个技能对真实 SWE 任务表现的提升幅度；这是该基准的设计目标，报道未给出具体评测结论。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
SWE-Skills-Bench：Agent 技能在真实软件工程任务中是否真有用报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.SE精选SWE-Skills-Bench：Agent 技能在真实软件工程任务中是否真有用
研究者提出 swe-skills-bench，一个以技能为中心、需求驱动的基准，用于衡量单个 Agent 技能在真实软件工程任务上的提升幅度。基准从 98 个公开 SWE 技能出发，每个技能配对一个固定 commit 的真实 GitHub 仓库，生成可执行验证器并在四种 Agent 模型配置下做有技能与无技能的配对评测，共 3920 次。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。