AgentSWE 基准发布：编码 Agent 造 Agent 无一达标

BAAI、中科院自动化所与人大团队发布 AgentSWE 基准，首次系统测试编码 Agent 能否按自然语言需求构建、编辑和优化用户所需的 Agent，覆盖 Creation、Editing、Optimization 三类任务。实测结果显示现有编码 Agent 表现不佳：25 个任务无一达标，50 次平均仅得 11.2 分。论文与代码已开源。

2026-10-13 ~ 2026-10-13 · 2 条相关