SWEeper-Bench：测 AI agent 能否在用户发现前扫清按需软件的 bug
liuzhuang1234 · x · 2026-10-09
Tony Chen 提出：按需生成的交互式软件正成为人与 AI 交互的主流方式，但用户常沦为测试员——发现 bug、告诉 Claude、等修复、循环往复。
SWEeper-Bench 🧹 旨在衡量 agent 能否在这些 bug 被用户看到之前将其扫清。测试结果出人意料：Grok 4.6 表现最佳。
「编程与Agent」频道最新
- 2800 美元 8 卡 V620 攒 256GB 显存：自改 vLLM 跑 Qwen3.8 达 3000+ t/s 预填充 — _TheWolfOfWalmart_ · 2026-10-09
- 程序员对时间的 60 个错误假设,这份经典清单永不过时 — aronchick · 2026-10-09
- 开发者开源 Game Summoner：多智能体流水线从提示词直接生成可玩游戏 — demonicpigg · 2026-10-09
- chauffeur MCP 让 Claude Code 真实操作 iOS 模拟器,45 项任务全过 — SwagSamurai · 2026-10-09
- 高中生发文探讨 AI 辅助编程的「验证鸿沟」,征资深工程师反馈 — Adventurous-Fox3386 · 2026-10-09
- AI 一口气为 OpenAI 722 篇数学预印本生成讲解视频，共 93 小时 — jeffgrimes9 · 2026-10-09