跳到正文
arXiv · AI· Zhi Chen, Zhensu Sun, Yuling Shi, Chao Peng, Xiaodong Gu, David Lo, Lingxiao Jiang·· 10 天前AI 评分33

重思 LLM 软件工程智能体生成测试的价值

Rethinking the Value of Agent-Generated Tests for LLM-Based Software Engineering Agents

AI 导读

针对 SWE-bench Verified 上 5000 次运行,分析 6 个 LLM 显示多数模型常编写测试,但 GPT-5.2 极少生成新测试文件且解决率接近榜首。

来源:arXiv · AI · arxiv.org