Papers11:31
Chinese contentSWE-Touch：当用户改动代码时，编码代理的基准测试编码代理平时跑分很强，但用户中途改代码就露馅。SWE-Touch实测9个模型，成功率平均掉7.7个百分点，原因挺有意思。
#Counter-Edits
1 stories · 0 in 7 days · 0 in 30 days
Stories, products and papers tagged "Counter-Edits", newest first.
Aug 4
编码代理平时跑分很强，但用户中途改代码就露馅。SWE-Touch实测9个模型，成功率平均掉7.7个百分点，原因挺有意思。