首个运行时自进化 Agent 登场 SWE-bench
tom_doerr · x · 2026-08-15
Live-SWE-agent 宣称是首个在运行时自我进化的软件工程 Agent，能在解决实际问题时动态扩展和修正自身能力。
核心要点：
- SOTA 成绩：搭配 Claude Opus 4.5 在 SWE-bench Verified 上达到 79.2% 的分数，领先现有开源 Scaffolds；搭配 Gemini 3 Pro 达到 77.4%。
- SWE-Bench Pro：达到了 45.8% 的新 SOTA 解决率。
- 核心洞察：软件 Agent 本质也是软件系统，现代 LLM Agent 具备在运行时修改自身行为的内在能力。
「编程与Agent」频道最新
- 四步让 Claude 做出有风格的视频：还能自查出肉眼难见的瑕疵 — aakashgupta · 2026-10-16
- Datadog 发布自研模型 Scout 1.0：RL 训练的生产事故调查智能体 — HanchungLee · 2026-10-16
- 微软论文：给路由器看会话历史，多轮 Agent 任务成功率多提 3.3 分 — dair_ai · 2026-10-16
- 开源 ORA 机器人 agent:DeepSeek V4.1-Flash 驱动机械臂,零样本对标闭源 — JunGao33210520 · 2026-10-16
- 非开发者30天做出平台格斗游戏，Hermes Agent成主力 — Teknium · 2026-10-16
- 2 人+5 智能体协作写码：英文描述需求即可自动实现 — nptacek · 2026-10-16