普林斯顿发布 SWEeper-Bench:最强 Agent 也只能解 59% 的交互式 bug
zlab-princeton · hf · 2026-10-15
编码 Agent 越来越多以即时生成交互式软件的方式服务用户,但很多 bug 只有在多步交互后才暴露。现有基准默认 bug 已被发现,SWEeper-Bench 首次评测 Agent 主动发现交互依赖缺陷的能力。
「编程与Agent」频道最新
- 观点：AI 能靠蛮力与上下文容忍糟糕设计决策 — Jsevillamol · 2026-10-15
- Ultrafast 模式加子代理，整理纸质文书工作变得轻松 — beffjezos · 2026-10-15
- 开发者实测 6.1 Sol 修 3D 场景：几何与贴图问题一次修一大堆 — Dimillian · 2026-10-15
- MiniMax Code 改版上线，M3.1-Flash 实测会找真 bug 不糊弄 — cneuralnetwork · 2026-10-15
- Agent 权限该放在哪？四层管控对比：提示词最弱，外部拦截层是终局 — Fresh_Spread_9223 · 2026-10-15
- CognitionX Emirates 2026 开讲：用 Foundry 掌握「面向工具的 RAG」 — lee_stott · 2026-10-15