Swe bench 是 什么

IT之家 4 月 10 日消息，豆包大模型团队今日通过官方公众号宣布，首个多语言类 SWE 数据集 Multi-SWE-bench 现已正式开源，可用于评估和提升大模型“自动修 Bug”能力。在 SWE-bench 基础上，...

Anthropic 发布的 Claude Opus 4.5 以 80.9%的 SWE-bench Verified 成绩刷新了历史纪录，超越了 GPT-5.2(80.0%)和 Gemini 3(76.2%)，确立了其不可撼动的"编程之神"地位。更令人震惊的是其 Token...

这SWE-1.5模型可厉害啦，它具备SWE-Bench-Pro级别的性能表现。要知道，在代码推理与生成任务中，复杂程度可是千差万别，而它却能轻松应对更为复杂的任务。这就好比一个武林高手，面对普通对手...

在人工智能领域，也有用于评估大模型推理能力的基准，如SWE-bench、AIME等 [2-3] 。 中文名 性能基准测试 外文名 performance benchmark 所属学科 计算机科学技术 公布时间 2018年 目录 1 基本含义 2 发展历程 3 基本特征

Multi-SWE-bench是字节跳动豆包大模型团队开源的首个多语言代码修复基准数据集，它在SWE-bench的基础上，扩展支持了 Java、TypeScript、JavaScript、Go、Rust、C和C++七种主流编程语言，实现了...

在自动化软件工程（Automated Software Engineering）领域，以SWE-bench为代表的评测基准已成为衡量大语言模型代码能力的事实标准，SWE-bench、SWE-bench Pro、Multi-SWE-bench、SWE-PolyBench...