实体 SWE-DIVE

SWE-DIVE

PulseAugur coverage of SWE-DIVE — every cluster mentioning SWE-DIVE 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

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_317215 · Oct 23 · 04:00

新的SWE-DIVE框架评估多轮编码代理

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。