CMU 发布 CUA-SWE：让计算机使用 Agent 做可视化软件工程

CarnegieMellonU · hf · 2026-10-01

卡内基梅隆大学推出 CUA-SWE，一个将计算机使用 Agent（computer-use agents）与软件工程结合的基准、环境与评测流水线。核心观察：现有编码 Agent 与 GUI Agent 大多被孤立研究，而真实开发需要运行软件、操作界面、目视检查行为，再将观察结论对应回代码修改并验证。基准覆盖四个软件工程领域，任务要求 Agent 修改代码与配置、执行命令、与运行中的应用交互并检查视觉反馈，且每项任务配有确定性的任务级测试验证正确性。评测还考察当任务规格只能通过运行应用的图形界面获取时，前沿 Agent 能否完成任务，并分析成功修复对应的开发行为模式。