IXThinker·2025-06-20 17:20

微軟SWE-bench-Live即時更新程式修復評測

針對主流代碼修復評測基準SWE-bench數據過時、覆蓋面窄、人工維護成本高等問題，微軟發布全新基準SWE-bench-Live，實現代碼運行環境的全自動構建與更新。

舊基準的痛點

長期以來，主流代碼修復評測基準SWE-bench面臨數據過時、覆蓋面窄、手動維護成本高等問題，嚴重制約AI模型真實能力的展現，也難以跟上軟件開發環境的快速變化。