arXiv cs.AI / cs.LG 最新· Lorenz Brehme·· 12 小时前AI 评分58
SWE-DIVE 提出多轮交互编码智能体评测框架
SWE-DIVE: Multi-Turn Coding Agent Evaluation with Dynamic User Simulation
AI 导读
SWE-DIVE 是面向编码智能体的多轮交互评测框架，用用户模拟器模拟真实会话，替代 SWE-bench 式的一次性 GitHub issue 输入。框架由用户模拟器、对话校验器和 Harbor 环境组成，校验器判断模拟器输出是否满足初始需求并引导任务完成，Harbor 负责调度智能体、模拟器与校验器并执行测试环境，判定任务是否解决。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。