SWE Refactor Bench 发布：Agent 全库重构通过率仅 5.4%

Einsia 发布基准测试 SWE Refactor Bench（arXiv:2608.23564），考察编码智能体能否自主完成长时程、全仓库级的技术债迁移，包含 SQLite、zlib 等 20 个真实迁移任务（如 C 语言栈迁移）。520 次运行的总通过率仅 5.4%，表现最好的 Opus 5 也仅获 47 分，显示 agent 在大规模重构上仍有巨大差距。

2026-08-25 ~ 2026-08-26 · 2 条相关

• 新基准 SWE Refactor Bench：Agent 全库重构存活率仅 5.4% — _akhaliq · 2026-08-25
• SWE Refactor Bench：520 次运行仅 5.4% 通过，Opus 5 最高 47 分 — YouJiacheng · 2026-08-26