开发技术
Coding Agents Have Converged: Why the SWE-bench Leaderboard Can No Longer Order Its Top Entries, and What to Measure Instead
2026-09-16arxiv.org
★★★★★
审计254份SWE-bench提交，发现该榜单已无法区分头部编码智能体，并提出替代指标。
值得记下
阅读原文↗当头部分数挤在统计噪声区间内，榜单排序失去区分度，编码智能体评测正从单一基准转向多维指标。
内容来源：arxiv.org，版权归原作者所有