提出SWE-Touch基准框架,通过注入与任务冲突的用户代码编辑(Counter-Edit)来评估编码智能体在共享工作空间中响应用户代码变更的能力,实验表明该干预使SWE-bench Verified上九种模型的平均解决率下降7.7个百分点,且自主性能不能保证共享空间协作的鲁棒性。
机构:中科院
来源:arXiv 2608.02499 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程