实体 SWEPatchTest

SWEPatchTest

PulseAugur coverage of SWEPatchTest — every cluster mentioning SWEPatchTest 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

RESEARCH · CL_300792 · Oct 15 · 04:00

新的基准和方法增强了AI代码生成评估

两篇新的研究论文介绍了用于评估和改进程序生成任务中AI模型的新颖方法。第一篇论文SWEPatchTest提出了一个基准，用于评估编码代理生成软件问题正确补丁的能力，揭示了当前评估方法的重大局限性。第二篇论文HERO提出了一种技术，该技术利用执行反馈来优化提示并在测试时改进生成的代码，从而提高了在文本到SQL和文本到Python基准上的性能。