SWE-DIVE：多轮编码智能体动态评估框架发布

Lorenz Brehme 等作者提出并发布 SWE-DIVE，一个用于在多轮环境中评估编码智能体的动态交互式评测框架。 该框架引入可模拟不同行为模式的用户模拟器，以及对话校验器；对话校验器负责判断模拟器输出是否满足初始需求，并引导智能体完成任务。整个框架运行在 Harbor 环境中，由 Harbor 编排编码智能体、用户模拟器和对话校验器，并执行测试环境。 作者称，该框架用于检验编码智能体在多轮交互中的能力。

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。