SWE-Bench Pro V2 发布：更难被刷分与抗污染的软件工程编码基准

SWE-Bench Pro V2 更新了 731 项任务中的 480 项，通过加固协议防止 Agent 获取上游修复或依赖补丁外变更。 该基准包含 642 项任务，前沿 Agent 解决率最高达 99.4%；新增 51 项 Hard 子集，各系统得分分布在 52.9% 至 98.0% 之间。