HaiAI123

全球AI工具精選導航

行業動態
持平

Meta 等提出 SWE-sweep:讓 Agent 自己找 bug 的新基準

2026/11/20 — 11/20 17:19·1 個來源(全部)·1 篇報道(全部)

核心速覽 (Key Takeaways)

  • 包括兩位 SWE-bench 建立者在內的 Meta 研究者提出 SWE-sweep 基準:給編碼 Agent 一個真實倉庫,但不提示哪裡壞了、是什麼型別的 bug,要求它自行發現並修復。
  • 在 100 個倉庫、22 種語言的 4068 個已知 bug 上,表現最好的模型僅修復 4.7%,結果由隱藏測試驗證。

事件背景與詳細解讀

2026 年 11 月 20 日,DEV Community 的 AI 欄目釋出了關於 SWE-sweep 基準的報道。該基準由 Meta 的研究者提出,參與者中包括 SWE-bench 的兩位建立者。與多數編碼基準的做法不同,SWE-sweep 不向編碼 Agent 提供 bug 報告,而是把一個真實倉庫交給 Agent,不提示哪裡出了問題、問題在什麼位置,也不說明屬於什麼型別的 bug,由 Agent 自行發現缺陷並完成修復。

在評測規模上,SWE-sweep 覆蓋了 100 個倉庫、22 種語言中的 4068 個已知 bug,修復結果交由隱藏測試驗證。據該報道披露,在受測模型中表現最好的一個,也僅修復了 4.7% 的 bug,整體表現明顯偏低。目前可查到的公開資訊即止於此,暫無該基準後續的更新或補充說明。

AI 綜合 1 篇報道生成 · 更新於 2 天前

updream
24 小時熱度熱度指數 30 · 峰值 59 · 23 小時前
24 小時前現在

這件事的報道 點標題看原文

11月20日
  1. 包括兩位 SWE-bench 建立者在內的 Meta 研究者提出 SWE-sweep 基準:給編碼 Agent 一個真實倉庫,但不提示哪裡壞了、是什麼型別的 bug,要求它自行發現並修復。在 100 個倉庫、22 種語言的 4068 個已知 bug 上,表現最好的模型僅修復 4.7%,結果由隱藏測試驗證。

    發現 bug 比修復更難,這個基準給出了量化證據。

    DEV Community · AIAI 評分 67

同時在說的其他事

熱度怎麼算的?瞭解口徑

熱度按 48 小時內有多少個獨立來源在說這件事算:同一個來源發多條只算一次,並按 24 小時半衰期衰減,所以排前面的是很多人在說的事。

本頁彙總公開訂閱源,標題與摘要由模型整理,版權歸原作者所有;重要資訊請回原文核對。如權利人認為相關標題或摘要侵權,請通過頁尾聯絡郵箱提供具體頁面與權利依據,我們核實後會及時刪除或替換。

爆
討論快速增加
新
首報 6 小時內
發酵中
討論仍在增加

回 AI 行業動態榜 →