PulseAugur
实时 11:37:51
English(EN) SWE-Future: Forecast-Conditioned Data Synthesis for Future-Oriented Software Engineering Agents

新的SWE-Future方法为AI代理合成面向未来的编码任务

研究人员开发了SWE-Future,一种为软件工程代理合成面向未来编码任务的新颖方法。该方法使用预测条件数据合成,根据存储库演进预测来预测未来的功能实现、错误修复和重构。对80个存储库的研究表明,预测步骤与未来工作的相关性达到了58.1%,并使用这些经过验证的预测合成了一个包含200个任务的数据集,以减少对历史拉取请求数据的直接依赖。 AI

影响 增强了AI编码代理基准测试的现实性和未来导向性,可能提高它们在新任务上的表现。

排序理由 学术论文,详细介绍了软件工程中数据合成的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Qiao Zhao, JianYing Qu, Jun Zhang, Yehua Yang, Hanwen Du, Zhongkai Sun ·

    SWE-Future: Forecast-Conditioned Data Synthesis for Future-Oriented Software Engineering Agents

    arXiv:2606.18733v1 Announce Type: cross Abstract: Realistic coding-agent benchmarks often replay public GitHub issues and pull requests, making them vulnerable to overlap with model pretraining, fine-tuning, synthetic-data generation, or benchmark-driven model selection. Fully sy…