基准

Multi-SWE-bench

将SWE-bench范式扩展到多种编程语言的基准，覆盖Java、Go、Rust等，用于检验模型跨语言的泛化能力

时间轴 (近 90 天)

10月30日

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。

待验证50%

10月30日

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。

待验证50%

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。

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。