应用 · 项目档案
SWE-bench
源码修复基准，要求 Agent 解决真实仓库问题，再通过项目测试评估补丁。
它可以用来做什么？
通过可执行的问题修复测试评估编程 Agent，并使用上游支持的训练划分。
使用前需要知道什么？
衡量仓库级代码修复，并非图形界面操作或完整应用生成。Docker 评测需要较多资源，比较时应注明数据集变体和评测框架版本。
我们核查了什么？
本条目依据原始项目材料整理，未独立运行或复现结果。AI 参与开发的描述来自作者说明；上游版本、运行条件和许可应以原始来源为准。
- 资源类型
- 评测套件
- 开发方式
- 开发方式未确认
- 来源核查
- 平台
- 请查阅上游说明