研究者发布多轮编码代理评测框架SWE-DIVE
热点事件持续更新
研究者发布多轮编码代理评测框架SWE-DIVE
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
Lorenz Brehme等研究者发布了SWE-DIVE，一个面向编程智能体的多轮动态评测框架，旨在弥补SWE-bench等一次性、格式良好输入基准的不足，相关结果与源代码已在GitHub开放。 该框架引入可模拟不同行为模式的用户模拟器与对话验证器，由对话验证器判断模拟输出是否满足初始需求并引导智能体完成任务。整个框架嵌入Harbor环境中运行，由其编排编程智能体、用户模拟器与对话验证器，并执行测试环境以判定智能体是否成功解决任务。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 12:00
SWE-DIVE：基于动态用户模拟的多轮编程智能体评测框架报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AISWE-DIVE：基于动态用户模拟的多轮编程智能体评测框架
研究者提出 SWE-DIVE，一个面向编程智能体的多轮动态评测框架，弥补 SWE-bench 等一次性、格式良好输入基准的不足。框架引入可模拟不同行为模式的用户模拟器与对话验证器，判断模拟输出是否满足初始需求并引导智能体完成任务。整体框架嵌入 Harbor 环境中编排执行，结果与源代码已在 GitHub 开放。
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。