SWE-DIVE: 基于动态用户模拟的多轮编码智能体评估框架

研究者发布 SWE-DIVE，一种动态交互式验证框架，用于在多轮环境中评估编码智能体。 框架包含用户模拟器模拟行为模式，对话验证器评估输出，并由 Harbor 环境编排执行测试。该成果被 NeurIPS 2026 研讨会接收，代码已开源。