HuggingFace Daily Papers（社区热门论文）·· 2026-09-08AI 评分61
SWE-Bench Pro Verified：修复答案泄露与任务质量问题的软件工程智能体评测基准
SWE-Bench Pro Verified: A Reliable Benchmark for Software Engineering Agents
AI 导读
研究团队发布 SWE-Bench Pro Verified，一个包含 731 个实例的软件工程智能体评测基准，通过仓库重建、测试工件隐藏、元数据匿名化和代码托管域名封堵来阻断答案泄露，并由人类专家最小化修订 102 个存在质量问题的任务。
整理与数据来源：AIHOT
来源：HuggingFace Daily Papers（社区热门论文） · arxiv.org