评测详情 · 软件开发
SWE-Forward
检验代码修复能否经得起模拟的后续版本变化。
- 检验什么
- 能经受后续版本变化的代码修复
- 如何评分
- 模拟代码库后续变化
- 结果
- 已核验 任务入选前经过核验
- 领域
- 软件开发
- 适用方向
- AI 编程工具
- 获取方式
- 按需申请
评分依据
代码库后续变化
冻结补丁,放到模拟的后续版本中检验。
具体检验
经得起后续版本的修复
- 冻结智能体提交的补丁,再模拟代码库后续变化;只解决眼前测试的修复不会一直得分。
- 任务须能区分已知有效和无效的修复,才会纳入评测。
评测详情 · 软件开发
检验代码修复能否经得起模拟的后续版本变化。
评分依据
冻结补丁,放到模拟的后续版本中检验。
具体检验