arXiv · cs.AI· Jiajun Wu, Leixin Sun, Zihan Tan, Yitao Liu, Zhenjun Zhao, Danyang Zhang, Shuo Li, Jiaru Qian, Yuxin Wu, Shanghaoran Quan, Chuangxin Zhao, Yangxu Liao, Yang Liu, Bin Chong, Guancheng Wan·· 7 小时前
SWE-Prometheus：评估真实代码仓库工程治理改进的基准
SWE-Prometheus: Measuring Engineering Governance Improvements in Real-World Repositories
arXiv:2609.29465v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jiajun Wu, Leixin Sun, Zihan Tan, Yitao Liu, Zhenjun Zhao, Danyang Zhang, Shuo Li, Jiaru Qian, Yuxin Wu, Shanghaoran Quan, Chuangxin Zhao, Yangxu Liao, Yang Liu, Bin Chong, Guancheng Wan
研究任务与主要进展
SWE-Prometheus提出面向真实代码仓库工程治理改进的评测基准，要求编码智能体识别风险、确定干预优先级并验证变更。基于论文摘要，该基准覆盖六个治理维度、60个仓库；在22个仓库的公开子集上评测10个模型，平均归一化治理改进为0.0568至0.5760，行为破坏率为0%至23%。无操作条件的中位归一化治理改进为0，结果支持同时报告治理改进、行为保持、证据质量和覆盖范围。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org