Real-SWE基准揭示大模型在真实生产代码库中的软肋：最佳配置仅解决38.8%任务

Real-SWE是一个面向软件工程智能体的新基准，它与常见的HumanEval或SWE-bench不同，不依赖公开数据集中可能被模型记忆的题目，而是从经过许可的私有生产代码库中选取10项真实任务。这些任务包含大量企业业务规则和公...

Read More