SWE-bench Science 发布：测评智能体修复科学软件能力
OpenMOSS-Team · hf · 2026-08-21
OpenMOSS-Team 推出了 SWE-bench Science，这是一个用于评估编程智能体解决科学软件工程任务能力的基准测试。该基准测试揭示了智能体在科学软件修复方面的失败机制，以及科学指导对任务效果产生的复杂影响。
所属事件:SWE-bench Science 发布，最强智能体通过率不足 50%(3 条相关)→
「编程与Agent」频道最新
- 同一提示词实测：Claude vs ChatGPT vs Figma Make 生成旅行 App UI — Tegadesigns · 2026-10-16
- TRL 零时差支持 Muse Spark Open：64 张 H100 上 LoRA 微调 816B MoE — QGallouedec · 2026-10-16
- TRL 放出 Muse Spark Open 微调示例代码与 SLURM 脚本 — QGallouedec · 2026-10-16
- Hugging Face 详解 Meta Muse Spark Open：816B 多模态 MoE，面向 agent 编码 — mervenoyann · 2026-10-16
- 工程师入职首日全靠 AI 提问，第二天就能提交有影响力的 PR — Yuchenj_UW · 2026-10-16
- Perplexity 开源支撑其 Computer 产品的智能体沙箱平台 SPACE — AravSrinivas · 2026-10-16