SWE-Journey编程助手多轮交互评测基准发布

Hexuan Deng等研究者发布SWE-Journey基准，用于评测编程助手的长周期、多轮交互能力，通过弱到强合成流水线自动构建长周期编程任务，并基于真实交互数据挖掘四类用户画像、搭建用户模拟智能体。评测显示，模型平均在软件架构师画像下通过超75%的功能测试，但在非程序员画像下不足25%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。