实体 SWE-Chain

SWE-Chain

PulseAugur coverage of SWE-Chain — every cluster mentioning SWE-Chain across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

时间线

2026-05-14 research_milestone Introduction of the SWE-Chain benchmark for evaluating coding agents on chained package upgrades. 来源

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_32710 · May 14 · 06:04

新的SWE-Chain基准测试用于评估编码代理的链式包升级能力

研究人员推出了SWE-Chain，这是一个旨在评估编码代理在执行连续、发布级别的包升级方面的能力的新基准。该基准通过链接版本转换来模拟真实的软件维护，每次升级都建立在代理先前工作的基础上。初步测试表明，当前前沿代理在这些链式升级方面存在困难，平均解决率为44.8%，尽管Claude-Opus-4.7表现最佳。