MaxxBench：微改任务格式，编码智能体成绩骤差 23 分

MaxxBench 发布研究线索：六种编码智能体配置在 DeepSWE 基准上的得分相差不到 1.5 分，均约为 74%。仅将文件名改为小写或要求 UTC 时间戳，分差便扩大至 23 分，说明基准成绩还受任务格式契合度影响。