待验证50% 置信事实精确时间
SWE-CoWork 是一个用于衡量编程智能体'数字员工'能力的基准测试,包含101个开发任务,覆盖101个真实代码仓库、11种编程语言和12个应用领域。
1
来源数
50%
置信度
长期有效
时效性
2026/11/17
首次发现
来源
涉及实体
相关事实
待验证SWE-bench基准测试已成为评估AI Agent代码能力的行业标准,包含从真实GitHub仓库中提取的软件工程任务71% 相似待验证本地测试机跑通了114项自动化功能测试,打包脚本打出403兆Windows独立安装包。66% 相似待验证长周期编码基准测试(如SWE-bench)考察模型处理软件仓库级别任务的能力,包括读取代码库、定位Bug、跨文件修改并通过测试66% 相似待验证SWE-2是Devin团队为软件工程任务训练的模型系列,针对代码仓库理解、多文件修改、测试运行与调试等环节做过优化。65% 相似待验证SWE-Race 是针对并发Bug的AI编程基准测试,从约100个Python项目已合并的PR中提取了188个真实的并发缺陷65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1179744API
curl https://kongchang.com/api/v1/knowledge/claims/1179744MCP
get_claim(id=1179744)