待验证50% 置信事实精确时间
Multi-SWE-bench 将 SWE-bench 范式扩展到多种编程语言，覆盖 Java、Go、Rust 等，用于检验模型跨语言的泛化能力。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
涉及实体
相关事实
待验证SWE-TQ 是一个涵盖八种编程语言的新基准，通过对 SWE-bench 和 Multi-SWE-bench 中的人工标注进行清洗而得到，用于评估任务清晰度和测试覆盖度。72% 相似待验证Java 的 JavaC、TypeScript 的编译器 API、Rust 的 rust-analyzer 都具备类似的语义分析基础，理论上可为各自语言的 AI 代理提供同等精度的引用查找能力67% 相似已验证SWE-bench由普林斯顿大学研究团队推出，专门用于评估大语言模型解决真实软件工程问题的能力62% 相似待验证系统编程语言的内存安全方案长期存在两条路线：以 Rust 为代表的编译期静态检查，和以 Go、Java 为代表的运行时 GC。61% 相似待验证SWE-RPG在SWE-bench基础上引入更细粒度的评分维度，对需求理解、规划质量、代码风格等中间环节进行独立打分60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1113913API
curl https://kongchang.com/api/v1/knowledge/claims/1113913MCP
get_claim(id=1113913)