SWE-Prometheus：代码仓库工程治理基准
热点事件持续更新
SWE-Prometheus：代码仓库工程治理基准
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
论文作者（Jiajun Wu 等）发布 SWE-Prometheus 基准，评测编码智能体在真实代码仓库中的工程治理改进，要求其识别风险、确定干预优先级并验证变更。该基准包含 60 个仓库、覆盖六个治理维度；十个模型在 22 个仓库的公共子集上评测，平均归一化治理改进（NGI）为 0.0568 至 0.5760，行为破坏率为 0% 至 23%。 以下信息基于论文摘要，尚未核验全文。无操作对照组的中位 NGI 为 0（标准差 0.073），作为区分真实改进的基线；在冻结的十仓库批次上，仓库盲模板获得平均 NGI 0.272。作者称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四方面指标。
AI 根据报道生成 · 2 小时前更新
最新进展10月19日 12:00
SWE-Prometheus：评估真实代码仓库工程治理改进的基准报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · cs.AISWE-Prometheus：评估真实代码仓库工程治理改进的基准
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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月19日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。