SWE-EVO：在长时程软件演进场景中对编码代理进行基准测试

本文介绍了SWE-EVO，一个用于评估复杂、长时程软件演进任务中编码代理的基准。 关注长时程场景表明，该研究试图超越更简单的编码任务，并评估代理处理持续开发和维护的能力。 使用“基准测试”一词意味着对不同代理进行比较分析，这对于推动该领域的发展很有价值。 来源ArXiv表明这很可能是一篇研究论文。