Hugging Face Papers发布AgentSWE基准测试论文

发生了什么

据Hugging Face Papers 2026年10月12日报道，论文AgentSWE提出一个基准测试，评估编码智能体构建符合需求代理的能力。该基准涵盖代理开发生命周期的三个阶段：从自然语言需求创建完整代理、编辑生产级代理代码库以及针对可测量目标进行优化。测试发现，现有编码智能体均无法完全交付需求所要求的功能，存在过度拟合可见案例、空洞运行时等问题。