研究提出SWE-TaskFlow改造编码智能体基准

Igor Slinko 等作者发表论文，提出 SWE-TaskFlow 方法，用于把任何基于 issue 的编码智能体基准改造成符合目标任务流的形式：保留原有已验证任务与测试，通过提示拆分和可验证的仓库问答引导交互流程，并用任务流对齐分数（TFAS）在生成的轨迹间筛选。研究者称，他们采集 JetBrains IDE 中 4,782 条真实软件工程师的 agent 会话，发现长会话的任务类型远多于 issue 衍生基准任务，且用户会在会话中切换任务类型；研究仅取至少含三条用户消息的会话，占样本的 33%。在一项 700 个 SWE-Bench Pro 任务的试点中，研究者称将任务分多步顺序求解会使智能体成本约翻倍，而解决率没有稳定变化，据此认为交互协议本身是评估的重要维度。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。