中等难度的软件工程问题需要结构化的人工干预流程，AI 模型才能学习有效的推理。这些问题挑战模型理解底层代码意图、预期行为和不变条件，而这些是无法通过单次提示训练来掌握的。需要一个详细的循环，包括文件识别、行为描述、不变条件列举、补丁建议和应用、测试、失败诊断和修订，才能训练模型进行这种级别的推理，特别是对于 SWE-bench 等基准测试。 AI
影响 凸显了当前大型语言模型在复杂推理任务中的局限性，以及人工干预系统对于高级 AI 开发的必要性。
排序理由 讨论了一个特定的基准测试（SWE-bench）和一个研究挑战（AI 对中等难度软件工程问题的推理）。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
