SWE-Duel：编程智能体红蓝对抗自出题评测

Wei Minn 等作者提出并实验了一个名为 SWE-Duel 的编程智能体评测竞技场：两个编码智能体通过镜像的红蓝回合互相出题、互相评测，任务与判定标准在评测时生成，而非使用固定题库，以避免内容泄漏和评测饱和。 该设计针对的是现有编码智能体基准可能因题目公开而失效的问题，但报道未给出该竞技场的实际评测结果或与其他基准的对比数据。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。