IT之家4月10日音问，豆包大模子团队本日通过官方公众号文告，首个多讲话类SWE数据集Multi-SWE-bench现已正经开源，可用于评估和莳植大模子“自动修Bug”才能。
在SWE-bench基础上，Multi-SWE-bench初度阴私Python以外的7种主流编程讲话，是委果面向“全栈工程”的评测基准。其数据均来自GitHubissue，历时近一年构建，以尽可能准确测评和提高峻模子高阶编程智能水平。
Multi-SWE-bench旨在鼓动自动编程工夫从仅能科罚单一讲话（如Python）和低复杂度的任务，朝着维持多讲话、具备真实问题科罚才能的通用型智能体迈进。
SWE-bench是现时最具代表性的代码确立评测基准，强调任务真实、难度高。它基于GitHubissue，条件模子自动定位并确立Bug，ag百家乐在线兼具跨文献修改、复杂语义推理与高下文交融等挑战。
Multi-SWE-bench旨在补全现存同类基准讲话阴私方面的不及，系统性评估大模子在复杂开拓环境下的“多讲话泛化才能”，鼓动多讲话软件开拓Agent的评估与盘考，其主要特色如下：
初度阴私7种主流编程讲话（包括Java、Go、Rust、C、C++、TypeScript、JavaScript），构建多讲话开拓环境下的代码确立任务，系统评估模子的跨讲话允洽与泛化才能；
引入任务难度分级机制，将问题鉴识为浅近（Easy）、中等（Medium）和艰巨（Hard）三类，涵盖从一瞥修改到多文献、多体式、多语义依赖的开拓挑战；
1,632个实例沿路开始于真实开源仓库，并经由和谐的测试范例和专科开拓者的审核筛选，确保每个样本具备明晰的问题模样、正确真是立补丁以及可复现的动手测试环境。
IT之家附开源相接：
Multi-SWE-bench:AMultilingualBenchmarkforIssueResolving：
论文相接：https://arxiv.org/abs/2504.02605
榜单相接：https://multi-swe-bench.github.ioAG百家乐怎么玩才能赢
