热点事件持续更新
研究团队提出多轮交互代码智能体基准UserSWE
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月，研究团队提出代码Agent基准UserSWE，用于在与动态用户的多轮交互中评估代码Agent修复代码库级Bug的能力。该基准涵盖42个代码库中的72项任务，对11个Agent的评测结果显示，其排名会随着交互预算的变化而发生改变。具体而言，Claude Fable 5.1在单轮中解决问题最多，Claude Opus 5在多数中间预算中保持领先，而GPT-6-Astra在第8轮位居首位。该研究表明，仅凭单轮评测的表现并不足以反映智能体的交互式编码能力。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 12:00
研究团队提出UserSWE基准，评测显示代码Agent排名随交互预算变化。报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv 人工智能UserSWE：在与动态用户的多轮对话中评估代码 Agent
UserSWE 是一个用于在与动态用户多轮交互中评估代码 Agent 修复代码库级 Bug 能力的基准。在 42 个代码库的 72 项任务中评测 11 个 Agent 显示其排名随交互预算变化，Claude Fable 5.1 在单轮解决最多，GPT-6-Astra 在第 8 轮居首，Claude Opus 5 在多数中间预算领先。结果表明单轮评测表现不足以反映交互式编码能力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。