★ 3
SWE-Shift 基准发布：评估执行中途变更下的编码智能体
研究者提出 SWE-Shift 基准，模拟代码、依赖与需求在智能体执行过程中发生变化的情形，包含 120 个场景、12 类变更与 9 个干预位置。评测 17 个编码智能体系统，全部在变更场景下成功率低于无变更场景，GPT-6 Astra 从 67.35% 降至 24.79%。结果表明任务成功并不等…
arXiv cs.AI7 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究者提出 SWE-Shift 基准，模拟代码、依赖与需求在智能体执行过程中发生变化的情形，包含 120 个场景、12 类变更与 9 个干预位置。评测 17 个编码智能体系统，全部在变更场景下成功率低于无变更场景，GPT-6 Astra 从 67.35% 降至 24.79%。结果表明任务成功并不等…