跳到正文
热点事件持续更新

提出无需执行环境的编码智能体评估方法

1 篇报道1 个报道来源13 小时前更新

先了解这件事

报道摘要

该研究提出一种无执行环境评估方法,在SWE-bench Verified上验证其有效性。 方法让智能体生成加权二元标准,无工具评判员据此对代码补丁打分。平均任务级AUROC为0.826,系统排序与解决率排序的Spearman相关系数达0.968。

摘自 arXiv · AI

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · AI
    无执行环境下评估编码智能体的仓库级评估标准

    该研究提出一种无执行环境评估方法,在SWE-bench Verified上验证其有效性。 方法让智能体生成加权二元标准,无工具评判员据此对代码补丁打分。平均任务级AUROC为0.826,系统排序与解决率排序的Spearman相关系数达0.968。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月19日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。