实体
SWE-rebench V2
SWE-rebench V2
PulseAugur coverage of SWE-rebench V2 — every cluster mentioning SWE-rebench V2 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新研究量化了编码AI代理中上下文的物理成本
arXiv上的一篇新研究论文探讨了编码代理中与上下文管理相关的物理成本。该研究引入了一种质量门控协议来衡量这些代理的能源和时间消耗，不仅考虑了节省的提示令牌，还考虑了调用次数和前缀重用。在SWE-rebench V2和SWE-bench数据集上的实验表明，虽然某些缓存和历史压缩策略可以减少模型调用和能源消耗，但其他策略，如删除历史记录，却可能适得其反地增加工作量并导致错过质量门。
-
SWE-rebench V2 扩展软件工程代理的训练数据
研究人员推出了 SWE-rebench V2，这是一个旨在为训练软件工程代理创建大规模、语言无关数据集的新管道。该系统自动化了从真实软件存储库中收集可执行任务的过程，生成可复现的执行环境和测试套件。该管道利用交互式设置代理和 LLM 裁判来过滤和验证任务，生成了跨越 20 种编程语言的 32,000 多个任务的数据集，并额外发布了 120,000 多个任务用于进一步训练。