SWE-CoWork 基准:最强模型在 101 个真实仓库任务中仅完整通过 8 个

omarsar0 · x · 2026-11-18

TokenWave 团队发布 SWE-CoWork,一个把编码智能体当"数字员工"评测的基准:每个任务从一段简短的工作交接开始,智能体需在模拟工程组织里检索任务板与版本化文档、向模拟同事询问缺失细节,并在回复改变需求时修改代码,最终交付通过隐藏测试的补丁。

关键事实与结果:

结论:当前编码智能体在接管他人进行中工作、协调与需求恢复这类长程协作能力上仍非常薄弱。

所属事件:SWE-CoWork 基准出炉:最强编码 Agent 完整交付率不足 8%(2 条相关)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →