研究人员推出了SWE-DIVE,一个旨在评估动态、多轮交互中编码代理的新型框架。与使用单一、定义明确的提示的现有基准不同,SWE-DIVE包含一个能够模仿各种行为模式并迭代改进任务的用户模拟器。对话验证器评估模拟器的输出,以确保它们符合初始要求并引导代理完成任务。这个在Harbor环境中协调的综合系统旨在更好地反映现实世界中编码代理的使用情况。 AI
影响 该框架可能导致对编码代理进行更现实的评估,从而提高它们处理复杂、交互式任务的能力。
排序理由 该集群包含一篇介绍AI编码代理新评估框架的研究论文。[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 →