行业与实践 · 标签「SWE-DIVE」

研究与基准测试/2026-10-23/18 分钟

SWE-DIVE：用动态用户模拟评测多轮编码 Agent

编码 Agent 通常只面对一次性、写得很完整的 issue。SWE-DIVE 用用户模拟器把 SWE-bench 一类任务拆成多轮增量需求，并用对话验证器和测试结果同时检查交互是否有效、任务是否完成。