E2E-SWE发布评测智能体整仓库构建能力
热点事件持续更新
E2E-SWE发布评测智能体整仓库构建能力
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Hantian Ding等人发布E2E-SWE基准，用于评测coding agent能否依据自然语言规格从零构建完整软件仓库；测试13个前沿模型的pass@1为11.7%至67.7%，显示模型在整仓库生成任务上的完成率存在明显差异。 基准包含186个整仓库生成任务，覆盖11种编程语言。智能体仅获得自然语言规格说明和空工作区，并需离线完成；只有生成的项目能够安装并通过全部隐藏功能测试，才判定成功。论文与代码均已公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 06:32
E2E-SWE 基准评测 coding agent 从零构建完整软件仓库的能力报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- AGI HuntE2E-SWE 基准评测 coding agent 从零构建完整软件仓库的能力
Hantian Ding 等人发布 E2E-SWE 基准，通过 186 个整仓库生成任务、覆盖 11 种编程语言，评测 coding agent 能否依据自然语言规格从零构建可运行软件仓库。基准评测 13 个前沿模型，pass@1 为 11.7% 至 67.7%；论文与代码均已公开。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月30日 07:00
- 近 24 小时变化
- –
02.557.510
07:0008:0009:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。