Foresight-SWE 评测显示编程智能体解题率 60.7%，无新增 bug 率仅 14.8%

Foresight-SWE 基准测试显示，11 个模型解决开发者指定问题的平均成功率为 60.7%，同时要求不引入开发者后续修复的 bug 时成功率降至 14.8%。该评测重点考察编程智能体在完成任务时避免新增 bug 的自查能力。