跳到正文
arXiv · NLP· Wei Minn, Zhensu Sun, Lwin Khin Shar, David Lo·· 2026-10-12AI 评分46

SWE-Duel:面向编码智能体的自扩展竞技场

SWE-Duel: Towards a Self-Scaling Arena for Coding Agents

AI 导读

研究者提出 SWE-Duel,一个让编码智能体在评估时互相出题、动态扩展的自扩展竞技场,以解决静态基准泄露与饱和问题。 试验中 11 个模型-框架组合在 15 个仓库、5 种语言上进行 1,500 轮红蓝对抗;GPT-5.5 修复率 98.3% 居首,Claude Opus 4.8 红方胜率 27.3% 次之。

来源:arXiv · NLP · arxiv.org