论文提出DARE框架测量与预测程序修复任务难度
热点事件持续更新
论文提出DARE框架测量与预测程序修复任务难度
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
Jikwang Lee 等研究者发布论文，提出 DARE 框架，把程序修复任务的难度测量、预测、特征组贡献分析与任务级修复支持整合到一起，以解决仅靠解决率无法反映任务间难度差异的问题。 DARE 将任务难度定义为多个 coding agent 的观测失败率，用 151 个静态特征预测难度，在四个基准分区共 2,594 个任务上取得 Spearman ρ=.476-.621 的预测效果。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
DARE：面向程序修复的难度分析与增强框架报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AIDARE：面向程序修复的难度分析与增强框架
研究者提出 DARE 框架，将修复任务难度测量、预测、特征组贡献分析与任务级修复支持整合到一起，以解决仅靠解决率无法反映任务难度差异的问题。DARE 把任务难度定义为多个 coding agent 的观测失败率，用 151 个静态特征预测难度，在 2,594 个任务的四个基准分区上达到 Spearman ρ=.476-.621。
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。