一句话：SWE-bench 是一个编码 Agent 的硬核基准，看谁能真修好仓库里的 bug。
SWE-bench 是一个编码 Agent 的硬核基准，看谁能真修好仓库里的 bug。
官方来源
本站不托管、不转存，一切以官方为准。
去读原文（本站只做索引，不转载）
https://github.com/SWE-bench/SWE-benchPrinceton NLP你将离开 AIWorksWell，前往 Princeton NLP。该网站不受我们控制，其内容、隐私与安全由其自行负责，请自行判断。属于这个软件的 bug 走作者自己的官方入口——那里才是他真正收得到的地方。我们只做传递，不代替作者答问题。
SWE-bench 是面向真实 GitHub issue 的编码能力基准与榜单，用「能否真正修好一个 issue」来打分。来源：https://www.swebench.com/https://www.swebench.com/
挑编码 Agent 时，看 SWE-bench 上的成绩与这个 Agent 所用的成本，两者一起看才有意义。来源：https://www.swebench.com/https://www.swebench.com/
Mentioned from：https://www.swebench.com/https://www.swebench.com/ · 原作者 Princeton NLP（MIT）。
给 AI 的摘要
一个面向真实软件工程的编码能力基准，题目来自开源仓库里已合并的 issue 与对应修复，要求模型自己定位并改对代码。评测口径、数据集与排行榜都在官方公开，结果可复核。
可独立摘取的答案段——AI 搜索引用出去的就是这一段。 · 本页复核于 2026-10-06
测「能不能在真实仓库里定位并修好一个缺陷」，不是单轮代码生成。
不能。基准是固定口径，你的仓库、语言与依赖环境未必在里面，仍要自己小范围试。
本站不存储、不镜像、不重新打包任何软件。所有获取方式指向作者自己的官方发布页。
本站内容未经任何应用商店审核，安装前请自行判断来源与许可，风险自负。