研究提出SWE-TaskFlow基准转换方法

一项 arXiv 研究提出 SWE-TaskFlow，用于把任何基于 issue 的编码 Agent 基准改造成更贴近真实任务流的测试形式：保留原有已验证任务与测试，通过提示拆分和可验证的仓库问答把交互引向目标任务流，并用 TaskFlow Alignment Score（TFAS）在生成的轨迹中做选择。作者为 Igor Slinko 等。 该方法的依据是研究收集的 JetBrains IDE 中 4,782 个真实软件工程师 agent 会话。研究称，长会话涉及的任务类型远多于 issue 衍生基准任务，且用户会在同一会话中切换任务类型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。