arXiv cs.AI· Zhan-Yu Wu, Ji Luo, Alyssa Wu, Junjielong Xu, Richeng Xuan, Zhichao Hu, Chongming Gao, Xinting Hu·2026-10-23 12:00· 2 小时前AI 评分51

UserSWE：评测编码智能体在多轮对话与动态用户交互下修复仓库级 bug 的能力

UserSWE: Evaluating Coding Agents in Multi-Turn Conversations with Dynamic Users

AI 导读

论文提出 UserSWE 基准，评测编码智能体通过与动态用户多轮交互修复仓库级 bug，每轮以测试结果为主的判定机制打分。其流程把仓库历史和单轮基准转成多轮任务，persona 链基于 20,859 个开发会话校准。