SWE-Duel 红蓝互出自测题：自扩容编码 Agent 竞技场
SingaporeManagementUniversity · hf · 2026-10-12
新加坡管理大学提出 SWE-Duel，一个自扩容的编码 agent 竞技场，解决静态基准被训练数据污染、易被刷饱和的问题。两名 agent 轮流扮演红蓝双方：红方在真实仓库里实现新功能并埋入隐蔽 bug 与密封触发测试，PR 只有通过功能测试、且同 agent 全新会话能盲修该 bug 才被采纳（排除无解题）；蓝方在不知情下审查修复。11 个模型-harness 组合在 5 种语言的 15 个仓库上进行了 1500 回合锦标赛：GPT-5.5 + Codex CLI 以 98.3% 缺陷修复率获第一，Claude Opus 4.8 + mini-swe-agent 以 27.3% 红方胜率成为最强出题者；同家族新版本出的题对固定参照 solver 的击败率 42.9% 远高于旧版的 4.0%，初步表明任务难度随模型出题能力扩展。
「编程与Agent」频道最新
- 怀念 Xbox,他把编码 Agent 面板做成游戏主机风格 — davidfromkansas · 2026-10-12
- 智能体产品三形态被拆解:能力、协作、职责要分开看 — sujingshen · 2026-10-12
- Epic 官方推出虚幻引擎 MCP，Agent 可直接操作 UE 项目 — Kyrannio · 2026-10-12
- 只用 Opus 5.5 加 BlenderMCP，AI 独立产出 3D 动画短片 — sidahuj · 2026-10-12
- 游戏业担忧:一次出万行代码的 vibecoder,不如迭代一万次的人 — TAbrodi · 2026-10-12
- 用 Opus 5.5 指挥即梦 CLI 自动生成分镜,做出有质感的故事片 — op7418 · 2026-10-12