09:54官方一手pandaily@contact@pandaily.com (Pandaily)清华团队开源VeriLoop Coder-E1,基于Qwen3.6-27B模型。模型在SWE-bench Verified获得85.20分,SWE-bench Pro为62.38分,Terminal-Bench 2.0达76.40分,DeepSWE为33.63分。该模型采用窄领域PEFT和Self-Harness技术,实现仓库级代码修复的可验证递归自改进。AI模型VeriLoop Coder-E1Qwen3.6-27B开源模型推荐理由:清华开源了个能自己改代码的模型VeriLoop Coder-E1,SWE-bench拿85.2分,比很多大模型都强,想搞代码修复的可以试试。原文稍后读已读值得跟进有用关注 VeriLoop Coder-E1
12:14官方账号arXiv cs.AI@Xueping Gao, Jianwei Yang, Qiang Yang该研究基于30个HumanEval修复任务的900条三轮修订轨迹发现,强制修订后当前正确率从第一轮的0.820下降至第二轮后的0.673,但最终正确率升至0.847。在140亿参数模型复制实验中,使用陈旧轨迹导致34/135初始正确修复受损,而使用当前轨迹仅4/135受损(提升22.2个百分点,95% CI [8.9,37.0],Holm p=0.0337)。前瞻性540次 rollout 政策消除了初始正确的损害,但降低了错误修复能力。论文提出状态绑定证据与类型化修订契约,并在参考实现中强制可机械验证的子集。论文Agentic Code RepairHumanEval智能体推荐理由:这篇论文用实验数据告诉你,让AI反复修改代码不靠谱,并给出了带状态绑定的证据机制,做代码修复的开发者值得看看。原文稍后读已读值得跟进有用关注 Agentic Code Repair
11:27官方一手arXiv: DeepSeek@Tianyue Jiang, Yanlin Wang, Xin He, Daya Guo, Jiachi Chen, Ming Wen, Ensheng Shi, Xilin Liu, Yuchi Ma, Guanbin LiPhoenixRepair是一个多智能体框架,通过多位置采样和迭代反思扩大修复策略搜索空间。在SWE-bench-Verified上,相比SWE-agent在DeepSeek-V3.1下实现7.8%的相对提升。在MiniMax-M2.5下达到76.0% Pass@1的最高解决率。该框架的故障定位准确率也优于现有方法。论文PhoenixRepairSWE-bench智能体推荐理由:新论文的PhoenixRepair能更系统地探索代码修复位置,在SWE-bench上比SWE-agent提升了7.8%,做软件工程的值得一看。原文稍后读已读值得跟进有用关注 PhoenixRepair
13:55官方账号arXiv cs.AI@Mahmoud Abujadallah, Ali Arabat, Mohammed Sayagh一项基于AIDev数据集的研究发现,Copilot、Devin、Cursor和Claude等AI编程助手生成的代码修复PR中,46.41%被开发者拒绝。研究者对306个未合并PR进行定性和定量分析,归纳出14个拒绝原因,分为四类:实现不正确(如不完整、错误方法)、未通过CI测试、代理无法完成实现(如未生成代码、会话丢失)、以及优先级低。研究建议,应通过提供修复方法提示、明确约束限制、指导CI验证流程来提升AI代理的有效性,并强调任务优先级管理以减少资源浪费。论文AI编程助手代码修复PR拒绝7 个信源在谈事件专题推荐理由:AI编程助手生成的代码修复近一半被拒,浪费大量人力审查和计算资源——做AI辅助开发的团队和工具开发者,建议看看这14个失败原因,能帮你避免踩坑。原文稍后读已读值得跟进有用关注 AI编程助手
02:05官方账号Simon Willison’s Weblog(博客/媒体)精选asyncinject 0.7 是一个 Python 异步依赖注入工具库的更新版本。作者 Simon Willison 最初为支持 asyncio 的依赖注入模式而构建该库,并在 Datasette 项目中使用。Claude Fable 5 模型主动发现了库中的一些 bug 并自动修复,展示了其强大的代码审查和修复能力。该版本主要修复了依赖注入中的潜在问题,提升了稳定性。AI产品asyncinjectPython异步依赖注入10 个信源在谈事件专题推荐理由:Python 异步开发者如果用过 asyncio 依赖注入,会明白这个库的价值——Claude Fable 5 主动修 bug 的案例也值得关注,建议点开看看 AI 如何辅助代码维护。原文稍后读已读值得跟进有用关注 asyncinject
13:53官方一手歸藏(guizang.ai)@op7418CodePilot 发布 v0.56.0 版本,新增 Claude Fable 5、小米 MiMo UltraSpeed 模型以及通用 OpenAI 兼容第三方渠道。本次更新的部分修复由 Claude Fable 5 完成,展示了其代码审查能力。同时修复了用量统计、回复状态丢失、服务商列表刷新等问题。官方推荐所有用户升级。AI产品CodePilotClaude Fable 5小米 MiMo UltraSpeed10 个信源在谈事件专题推荐理由:对于使用 CodePilot 的开发者,这次更新不仅带来了新模型支持,还验证了 Claude Fable 5 的代码修复能力,值得升级体验。原文稍后读已读值得跟进有用关注 CodePilot
21:35官方一手Anthropic: Engineering(资讯)75°Anthropic 宣布其 Claude 3.5 Sonnet 模型在 SWE-bench Verified 基准测试中取得了 49.7% 的通过率,较此前最佳成绩提升了约 10 个百分点。该测试评估 AI 模型解决真实 GitHub 问题的能力,包括代码修复、功能实现等。Claude 3.5 Sonnet 在多个类别中表现优异,尤其在需要多步推理和上下文理解的复杂任务上。这一进展表明 AI 在软件工程自动化领域正快速接近人类水平。AI模型Claude 3.5 SonnetSWE-bench代码修复10 个信源在谈事件专题推荐理由:Claude 3.5 Sonnet 在 SWE-bench 上的突破意味着 AI 编程助手离真正解决复杂工程问题更近了一步,做软件开发的团队可以关注这一能力提升对日常代码修复和功能开发的潜在影响。原文稍后读已读值得跟进有用关注 Claude 3.5 Sonnet