Meta 等推出 SWE-sweep:最强模型自主找 bug 仅修 4.7%

Meta 联合哈佛、斯坦福、华盛顿大学(UW)等机构研究者推出新基准 SWE-sweep,把传统编码评测的前提反转:不给模型任何工单或 bug 位置提示,直接把真实代码库交给 agent,要求其自主发现并修复尽可能多的隐藏 bug。结果显示最强模型仅修复 4.7%,说明模型在「主动找 bug」上仍远未实用。代码已在 GitHub 开源。

已确认

为什么重要

2026-10-01 ~ 2026-10-03 · 6 条相关

一手来源

另有 1 条近重复转述:klieret