SWE-Duel：面向代码智能体的自扩展对抗评测竞技场

研究团队提出代码智能体对抗评测框架 SWE-Duel，通过红蓝双方轮流在真实代码库出题与审查修复，实现评测任务在运行期动态生成以防止数据泄露和基准饱和。红方智能体实现新功能并注入隐蔽缺陷，经独立会话盲测验证可解后由蓝方在不知情下进行代码审查与修复。