Schrödinger's Code Repository: Have LLMs Learned SWE-bench or Memorized It?
Shanghai Jiao Tong University（上海交通大学）；Xi’an Jiaotong University（西安交通大学）；East China Normal University（华东师范大学）；Shanghai Innovation Institute（上海创新研究院）
针对仓库级编码基准的数据泄露问题，提出SchrodingerRepo动态实例化评估框架，通过四种转换消除熟悉线索，实验显示LLM性能下降且交互成本上升，表明智能体部分依赖记忆而非推理。
2026-09-24 cs.AI cs.SE
Evaluating AGENTS.md: Are Repository-Level Context Files Helpful for Coding Agents?
Department of Computer Science（计算机科学系）；ETH Zurich（苏黎世联邦理工学院）
通过SWE-bench任务和开发者提交的上下文文件，评估发现上下文文件并未普遍提升编码助手的任务成功率，反而平均增加20%以上的推理成本。
2026-09-30 cs.AI cs.SE
RepoAtlas: Guiding Coding Agents via Evolving Multimodal Repository Views
Beihang University（北京航空航天大学）
RepoAtlas是一个无需训练的模块，通过选择-投影-刷新循环维护演化多模态仓库视图，在SWE-bench Verified上将解决率提升2.4个百分点，同时减少输入令牌和模型调用。
2026-09-16 cs.AI cs.SE
CodeNib: A Multi-View Data System for Serving Repository Context to Coding Agents
UC San Diego（加州大学圣地亚哥分校）；Stanford University（斯坦福大学）；UC Riverside（加州大学河滨分校）；University of Southern California（南加州大学）
研究编码代理从仓库获取上下文的问题，提出CodeNib构建多视图数据系统，可重用视图并映射到源范围，通过运行时提供多种服务，实验表明其在更新速度、延迟等方面有优势，支持多视图仓库上下文服务。
2026-09-30 cs.SE
Correct Code, Broken Contributions? SWE-CC: Benchmarking Repository Policy Compliance for Coding Agents
Singapore Management University（新加坡管理大学）；Singapore University of Technology and Design（新加坡科技设计大学）
针对编码代理的仓库策略合规性，提出SWE-CC基准，通过823条原子策略和全面审计机制评估500个任务，发现功能正确但合规性差，43.1%策略被违反。
2026-10-06 cs.AI cs.SE
Preventing Premature Commitment in Coding Agents with an Evidence-Conditioned Execution Layer
Concordia University（康考迪亚大学）
ECLoop是介于编码智能体与仓库间的证据条件执行层，可防止过早提交，在SWE-bench Verified上提升Pass@1指标4.8-11.8个百分点，同时降低平均token消耗。
2026-08-03 cs.SE
TrajAudit: Automated Failure Diagnosis for Agentic Coding Systems
Singapore Management University（新加坡管理大学）
针对仓库级编码轨迹中噪声多、上下文长的问题，提出TrajAudit框架，通过模式匹配过滤和测试报告先验知识辅助，实现高效故障诊断，在RootSE基准上定位准确率提升24.4个百分点，令牌消耗降低18%。
2026-07-29 cs.SE
Orchestrating AI-Assisted Code Remediation: Socio-Technical Bottlenecks in a Large Industrial Repository
Ericsson AB（爱立信）；Lund University（隆德大学）；Mälardalen University（马勒尔谷大学）；Carleton University（卡尔顿大学）
本研究通过15天工业案例，发现AI辅助代码修复中CI容量、审查精力和变更编排是主要瓶颈，需控制提交与批处理粒度并视语义变更集为一等工作单元。
2026-09-28 cs.SE
RepoST: Scalable Repository-Level Coding Environment Construction with Sandbox Testing
Carnegie Mellon University（卡内基梅隆大学）；Shanghai Jiao Tong University（上海交通大学）
RepoST 提出通过沙箱测试隔离目标函数及其依赖来构建可扩展的仓库级代码执行反馈环境，并基于此构建大规模训练集 RepoST-Train 和评估集 RepoST-Eval，训练后模型在 HumanEval 和 RepoEval 上分别提升 5.5% 和 3.5% Pass@1。
2025-03-10 cs.CL cs.SE
An Exploratory Study of Agent Plans for Agentic AI Coding Tools in Open-Source Software
University of Bamberg（班贝格大学）；Heidelberg University（海德堡大学）；Singapore Management University（新加坡管理大学）；King’s College London（伦敦国王学院）
本文通过筛选36710个GitHub仓库识别出85个Markdown智能体计划文件，研究其支持的软件工程工作类型与提供的执行指导，明确其是研究人-智能体工作流任务意图的丰富工件。
2026-08-07 cs.SE
SWE-Explore: Benchmarking How Coding Agents Explore Repositories
Shanghai Jiao Tong University（上海交通大学）；Xinjiang University（新疆大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Independent Researcher（独立研究者）；The Chinese University of Hong Kong（香港中文大学）
提出SWE-Explore基准，通过评估编码智能体在给定代码仓库和问题下返回相关代码区域排名列表的能力，衡量其仓库探索性能，覆盖10种编程语言和203个仓库的848个问题。
2026-06-05 cs.CL cs.SE
A Review of Repository Level Prompting for LLMs
Northeastern University（东北大学）
本文综述了仓库级LLM代码生成提示技术，对比了黑盒LLM适配的相关方法的权衡与最佳实践，明确了迭代提示优化与先进检索的核心作用，为应用及未来软件工程领域的相关研究提供指引。
2023-12-15 cs.CL cs.SE
Change2Task: From Repository Changes to Executable Coding Agent Tasks and Environments
Microsoft（微软）；University of California San Diego（加利福尼亚大学圣迭戈分校）；Zhejiang University（浙江大学）；Xi’an Jiaotong University（西安交通大学）；Nanjing University（南京大学）
Change2Task系统基于仓库历史将已合并拉取请求转为编码智能体任务，在5类任务中实现79.6%验证成功率，比基准多恢复29.2%任务，可减少流程支出10.8%。
2026-10-27 cs.CL cs.LG cs.SE
SERA: Soft-Verified Efficient Repository Agents
Allen Institute for AI（艾伦人工智能研究所）；University of Washington（华盛顿大学）；Carnegie Mellon University（卡内基梅隆大学）；Paul G. Allen School of Computer Science and Engineering（保罗·G·艾伦计算机科学与工程学院）；Allen Institute of Artificial Intelligence（艾伦人工智能研究所）；Machine Learning Department（机器学习系）
提出SERA方法，通过软验证生成（SVG）高效训练编码智能体，使其快速适应私有代码库，在开源模型中取得领先性能且成本极低。
2026-05-29 cs.CL cs.LG cs.SE
Continuous integration in a social-coding world: Empirical evidence from GitHub. **Updated version with corrections**
持续集成是一种软件工程实践，它频繁地将所有开发人员的工作副本与一个共享的主分支合并，例如，一天几次随着GitHub的出现，一个以其“社交编码”功能而闻名的平台，该功能有助于协作和共享，并且目前是开源世界中最大的代码主机，协作软件开发从未如此突出。在GitHub开发中，可以区分两种类型的开发人员对项目的贡献：直接贡献，来自对主项目存储库具有写访问权限的典型的一小群开发人员，以及间接贡献，来自分叉主存储库的开发人员，在本地更新他们的副本，并提交pull请求进行审查和合并。在本文中，我们将探讨GitHub开发人员如何使用持续集成，以及贡献类型（直接与间接）和不同的项目特征（例如，主程序设计语言或项目年龄）与自动构建的成功相关联。
2015-12-06 cs.SE
Scoring Popularity in GitHub
流行度和参与度是社交媒体平台的货币，是保持用户在线的强大强化机制。GitHub等社交编码平台具有双重用途：它们是实用的工具，可以促进软件开发人员之间的异步、分布式协作，同时还支持被动的社交媒体风格的交互。GitHub上有几种“喜欢”内容的机制：1）分叉存储库以复制其内容2）观看存储库以获得更新通知3）主演以表示批准。本文介绍了一项关于GitHub流行度的研究，并研究了这三种流行度量化指标之间的关系。我们引入了一个基于权重的流行度得分（WTPS），是从其他流行度指标的历史线提取。
2020-11-10 cs.SE cs.SI
Merged, Not Measured: An Empirical Study of Performance Issues Fixed by Coding Agents
University of Arizona（亚利桑那大学）；Wuhan University（武汉大学）；Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；California State University, Long Beach（加州州立大学长滩分校）；Rochester Institute of Technology（罗切斯特理工学院）
本研究通过分析编码代理修复性能问题的合并情况，发现合并与否取决于代理在仓库的历史记录而非修复内容，且合并不保证修复达到声称的性能提升。
2026-09-30 cs.SE
Scrouting: Cost-Aware Routing of Coding Agents by Scouting the Repository First
SuperAGI Research（SuperAGI研究院）
本文提出SuperScout，先探查仓库生成经沙箱验证的结构化交接内容，再路由任务至四个修复器，在SWE-bench Pro上以约五分之一成本达到最优单模型的解决率。
2026-08-06 cs.AI cs.SE
SWE-Together: Evaluating Coding Agents in Interactive User Sessions
Meta
提出SWE-Together基准，从真实用户-代理编码会话中重建多轮交互任务，并利用基于LLM的用户模拟器评估编码代理的协作能力，发现强代理成功率更高且干预更少。
2026-06-29 cs.AI cs.CL cs.SE
Building Reusable Software Component For Optimization Check in ABAP Coding
软件构件复用是从现有构件开发新软件产品的软件工程实践。重用库或组件重用存储库组织存储和管理可重用组件。本文描述了如何创建一个可重用组件，它如何重用的功能，并检查优化的代码是否被用于构建程序和应用程序。最后，提供用于创建可重用组件的编码指南、标准和最佳实践，以及使可配置和易于使用的指南和最佳实践。
2010-07-29 cs.SE
SWE-Future: Forecast-Conditioned Data Synthesis for Future-Oriented Software Engineering Agents
Baidu Inc（百度公司）
提出SWE-Future方法，利用仓库历史证据预测未来任务类型（如功能实现、缺陷修复），并基于预测条件合成200个编码智能体任务，减少对历史PR回放的依赖，在80个仓库中达到58.1%的未来工作相关性。
2026-06-18 cs.AI cs.SE
Probe-and-Refine Tuning of Repository Guidance for Coding Agents
Williams College（威廉姆斯学院）
提出探测与精炼调优方法，通过合成bug修复探测迭代诊断和修补仓库指导文件，在SWE-bench Verified上以Qwen3.5-35B-A3B模型达到33.0%解决率，优于静态知识库的28.3%和无指导基线的25.5%。
2026-06-23 cs.LG cs.SE
Enhancing LLM-Based Coding Tools through Native Integration of IDE-Derived Static Context
The Chinese University of Hong Kong（香港中文大学）
本文提出IDECoder框架，通过原生集成IDE的静态上下文和诊断结果进行跨上下文构建与自我精炼，有效解决了大型软件项目中LLM仓库级代码补全受限于跨文件信息获取准确率和上下文长度的问题。
2024-02-19 cs.AI cs.SE
Better User Recommendations using Enhancing Software Development Process Repository
重用以前完成的软件存储库来增强开发过程是一种常见现象。如果开发人员从现有项目中获得建议，他们可能会在编码时受益匪浅。这一领域的现有战略每天都在迅速变化。有一些努力一直专注于采矿过程和建造储存库。其中一些人强调基于Web的代码搜索，而另一些人则将基于Web的代码搜索集成到他们的定制工具中。但是基于Web的方法效率低下，特别是在构建应用挖掘技术的知识库方面。为了搜索响应用户查询的代码片段，我们需要一个具有更好表示和抽象的丰富存储库。为了保证仓库在挖掘过程之前，我们开发了一个基于增强软件开发过程（ESDP）的概念。在ESDP方法中，考虑了来自在线和离线存储的多个代码源，以构建具有XML表示的中央存储库，并在客户端应用挖掘技术。相应的评估表明，ESDP方法的工作更好的响应时间和性能比许多现有的方法今天。
2020-06-21 cs.SE
T2J-BENCH: Benchmarking Coding Agents on Execution-Grounded PyTorch-to-JAX Repository Migration
University of Southern California（南加州大学）；Google Cloud AI Research（谷歌云人工智能研究）；University of Notre Dame（圣约翰大学）；Google Deepmind（谷歌DeepMind）
针对代码库转换中智能体过度信任本地验证导致语义违反的问题，提出T2J-Bench基准，通过固定等价契约和三级验证（Spec、Numeric、Behavioral）评估转换质量，发现最佳系统通过率仅26.7-28.9%，且所有系统高估成功率66.6-97.8点。
2026-10-15 cs.CL cs.SE
RepoGraph: Enhancing AI Software Engineering with Repository-level Code Graph
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Tencent AI Seattle Lab（腾讯AI西雅图实验室）；Rice University（莱斯大学）；University of Notre Dame（圣母大学）
针对现有方法缺乏仓库级代码理解的问题，提出插件模块RepoGraph作为全仓库导航工具，接入多类方法后在SWE-bench等基准上显著提升性能，刷新开源框架最优水平。
2025-03-18 cs.AI cs.CL cs.SE
SWE Refactor Bench: Can Coding Agents Complete a Long-Horizon, Whole-Repository Stack Migration?
Navers Lab（Navers实验室）；Tsinghua University（清华大学）
本研究推出SWE Refactor Bench基准，通过三阶段评估发现前沿编码智能体仅5.4%能完成全仓库迁移，且迁移完整性与行为正确性是不同能力，该基准可作为可靠全仓库迁移编码智能体的测试平台。
2026-08-25 cs.AI cs.CL cs.SE
Asymmetric Repository Lineage Modeling and Verifier-Guided Coordination in Concurrent AI Coding Agents
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；Harvard Medical School（哈佛医学院）；Managent
本研究针对并发AI编码智能体的协调问题，提出非对称仓库谱系建模与验证器引导协调方法，通过MERGEGYM基准测试验证了谱系分诊在冲突预测和调度中的有效性，并强调在重放成本低时应验证一切。
2026-10-06 cs.SE
Automated Benchmark Generation for Repository-Level Coding Tasks
ETH Zurich（苏黎世联邦理工学院）
本文提出自动化系统 SetUpAgent 以解决仓库级编码基准构建依赖大量人工的问题，并基于其生成覆盖数百仓库的 SWEE-Bench 和面向应用的 SWA-Bench，揭示了现有基准存在显著分布偏差，导致智能体成功率最高下降 40%。
2025-03-10 cs.AI cs.SE
Cost-Effective Repository Exploration for Agentic Issue Localization
ITMO University（ITMO大学）
本研究在IssueLoc-Bench上评估5种探索器模型，发现低成本探索器可保留较高定位质量并大幅降低耗时与token用量，支持将仓库探索作为编码智能体的模块化独立阶段。
2026-09-01 cs.AI cs.SE
Learning to Commit: Generating Organic Pull Requests via Online Repository Memory
Tsinghua University（清华大学）
本文提出Learning to Commit框架，通过在线仓库记忆提升生成拉取请求的有机性，通过对比历史提交改进代码风格和架构约束。
2026-03-27 cs.CL cs.SE
ReCUBE: Evaluating Repository-Level Context Utilization in Code Generation
Carnegie Mellon University（卡内基梅隆大学）；Emory University（埃默里大学）
ReCUBE基准测试评估LLM在代码生成中利用仓库级上下文的有效性，通过重建掩码文件并使用依赖关系和文档作为上下文，发现即使先进模型在完整上下文设置下也仅达到37.57%的通过率，而引入Caller-Centric Exploration工具包可显著提升性能。
2026-03-26 cs.AI cs.SE
DeepDiscovery: A Location-Inference Framework for Task-Level Repository Understanding
AMAP, Alibaba Group（阿里集团AMAP）；Nanyang Technological University（南洋理工大学）；Nanjing University（南京大学）；University of Cambridge（剑桥大学）
提出DeepDiscovery方法，通过两阶段定位-推理框架在预算约束下恢复任务级上下文，显著提升大型工业代码库的文件检索和下游软件工程任务性能。
2026-09-15 cs.AI cs.SE
Know Before Fix: QA-Driven Repository Knowledge Acquisition for Software Issue Resolution
Shanghai Jiao Tong University（上海交通大学）；University of Pittsburgh（匹兹堡大学）；Guangdong Technion–Israel Institute of Technology（广东以色列理工学院）
研究针对基于大语言模型的编码代理解决软件问题易因仓库理解不足出错的问题，提出ACQUIRE框架，通过问答驱动在修复前获取仓库知识，经两阶段解耦知识获取与补丁生成，实验证明该框架能提升问题解决准确性。
2026-07-14 cs.SE
Graph-Guided Repository Environment Construction
Chongqing University（重庆大学）；University of New South Wales（新南威尔士大学）
提出Graph2Env，利用类型化依赖图DepGraph指导仓库环境构建，通过执行反馈持续细化并持久化修复，在200个Python仓库上实现81.0%的构建成功率，优于现有方法。
2026-09-29 cs.AI cs.SE
Fingerprinting AI Coding Agents on GitHub
Trent University（特伦特大学）
该研究通过分析GitHub上的拉取请求，识别AI编码代理的行为特征，揭示了AI生成代码的独特模式，为软件仓库中AI贡献的检测提供了新的方法。
2026-01-24 cs.SE
Don't Guess, Just Ask: Evaluating Interactive Requirement Clarification for Repository-Level Software Development
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
该研究提出ReqClarifyBench基准，评估LLM在仓库级软件开发中通过交互将模糊用户意图转化为明确需求的能力，发现澄清效果与文档质量无必然关联，编码智能体工具未提升需求文档质量。
2026-10-12 cs.AI cs.SE
FullStack-Agent: Enhancing Agentic Full-Stack Web Coding via Development-Oriented Testing and Repository Back-Translation
Multimedia Laboratory (MMLab), The Chinese University of Hong Kong（香港中文大学多媒体实验室）；Shenzhen Loop Area Institute（深圳河套学院）
FullStack-Agent通过面向开发的测试和仓库反翻译提升全栈网页编码能力，其多代理框架和自我改进方法在多个测试用例中表现出色。
2026-02-03 cs.CL cs.CV cs.SE
Needle in the Repo: A Benchmark for Maintainability in AI-Generated Repository Edits
UC Riverside（加州大学河滨分校）；Independent Researcher（独立研究员）；Tulane University（杜兰大学）
本文提出NITR基准测试，评估AI生成代码是否保持可维护结构，发现现有系统在复杂架构修改上表现不佳，代理模式提升性能但未解决根本问题。
2026-03-29 cs.AI cs.SE
The Working Set of a Coding Agent: Coherence Debt in Repository-Scale Tasks
Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）；EPFL（洛桑联邦理工学院）；Apple（苹果公司）；Aarhus University（奥胡斯大学）
该研究针对仓库规模编码任务，建模一致性债务，通过7个模型和5个框架实验发现事实可用性决定编码结果，提出测试框架应核对编辑依赖事实可用性的建议。
2026-08-19 cs.AI cs.LG cs.SE
LLM Agents Can See Code Repositories
Shanghai Jiao Tong University（上海交通大学）；Xi’an Jiaotong University（西安交通大学）；Zhejiang University（浙江大学）；Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术开发区（滨江）区块链与数据安全研究院）
研究多模态大语言模型在仓库级问题解决中利用视觉表示的效果，发现纯视觉方案降低精度，而结合视觉结构图可减少26%输入token并保持或提升精度。
2026-08-04 cs.SE
Dockerless: Environment-Free Program Verifier for Coding Agents
提出Dockerless，一种无需执行代码即可验证补丁正确性的智能体验证器，通过智能体仓库探索收集证据判断补丁正确性，在验证基准上超越最强开源验证器14.3 AUC点，并实现完全无环境的训练后流程。
2026-06-26 cs.AI cs.SE
On the Impact of AGENTS.md Files on the Efficiency of AI Coding Agents
Singapore Management University（新加坡管理大学）；Heidelberg University（海德堡大学）；University of Bamberg（班贝格大学）；King's College London（伦敦国王学院）
研究AGENTS.md文件对AI编码代理在GitHub拉取请求上的运行效率和令牌消耗的影响，发现其能降低运行时间及令牌消耗，同时保持任务完成行为。
2026-03-30 cs.AI cs.ET cs.HC
SWE-Spot: Building Small Repo-Experts with Repository-Centric Learning
Department of Computer Science, Columbia University, New York, USA（哥伦比亚大学计算机科学系）；Computer Science Department, University of California, Los Angeles, California, USA（加州大学洛杉矶分校计算机科学系）
SWE-Spot提出仓库导向学习范式，通过参数知识获取训练小型专家模型，提升代码任务表现并降低推理成本。
2026-10-15 cs.AI cs.CL cs.LG
From Registry to Repository: How AI Agent Skills Are Written, Adapted, and Maintained
The University of Melbourne（墨尔本大学）；Singapore Management University（新加坡管理大学）；Heidelberg University（海德堡大学）
本研究首次对AI代理技能作为工程制品进行实证分析，通过挖掘公共注册表和GitHub仓库中的技能，发现技能重用多为一次性复制，定制化主要适配本地环境，而行为契约几乎不变。
2026-07-02 cs.SE
ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development
Fudan University（复旦大学）；Shanghai Qiji Zhifeng Co., Ltd.（上海启济智风有限公司）；Shanghai Innovation Institute（上海创新研究院）
ABC-Bench是一个评估自主后端编码在真实可执行工作流中性能的基准测试，通过224个实际任务揭示了当前模型在复杂后端工程任务中的不足。
2026-01-16 cs.AI cs.CL cs.SE
Can Language Models Replace Programmers for Coding? REPOCOD Says 'Not Yet'
Purdue University（普渡大学）
针对现有基准无法代表真实编程任务的问题，提出 Python 代码生成基准 REPOCOD，包含 980 个来自 11 个项目的完整函数生成任务；评估十个 LLMs 发现最高 pass@1 均低于 30%，证明当前模型尚无法替代程序员，且检索增强生成效果优于依赖上下文。
2026-10-21 cs.CL cs.SE
ContextModule: Improving Code Completion via Repository-level Contextual Information
ByteDance（字节跳动）
针对现有代码补全系统缺仓库级上下文、检索与延迟等问题，提出ContextModule框架，整合三类上下文信息并优化性能，显著提升补全准确率与用户接受度。
2024-12-11 cs.AI cs.SE
Operationalizing Ethics for AI Agents: How Developers Encode Values into Repository Context Files
Singapore Management University（新加坡管理大学）；Ruprecht-Karls-Universität Heidelberg（海德堡大学）；University of Melbourne（墨尔本大学）
本文探讨开发者如何通过仓库上下文文件将伦理原则转化为AI代理的行为指令，分析价值观编码的多样性及治理动态，为AI治理提供软件工程实践基础。
2026-05-07 cs.CY cs.SE
Requirements After the First Edit: Mining Late Requirement Emergence and Rework in Real-World Coding-Agent Sessions
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Waseda University（早稻田大学）；Adelaide University（阿德莱德大学）
该研究针对现实编码智能体会话，利用3553个SWE-chat会话数据，发现后期需求涌现导致的代码失效量约为非需求编辑的两倍，且延迟披露会转移实施时机，证实其为可测量的代码失效来源。
2026-09-04 cs.SE
Who Do You Think You Are? Creating RSE Personas from GitHub Interactions
EPCC, University of Edinburgh（爱丁堡大学计算物理与计算化学中心）
本文提出数据驱动的RSE角色画像方法，结合仓库挖掘与画像技术，在GitHub上分析115,174名贡献者，识别出七种从低到高交互性的角色，帮助理解研究软件工程中的贡献模式。
2025-10-06 cs.SE
StateHarness: Maintaining Evolving Project State for Long-Horizon Coding Agents
University of Notre Dame（圣母大学）；University of Pennsylvania（宾夕法尼亚大学）
StateHarness是无需更新模型参数的运行时框架，通过维护演化项目状态提升长程编码智能体的任务完成率与变更一致性，在多基准测试中取得显著效果但存在退化权衡。
2026-10-14 cs.CL cs.SE
SWE-Touch: Benchmarking Coding Agents When Users Touch the Code
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）
SWE-Touch基准测试显示，编码智能体对共享工作空间的状态感知不足，反编辑使其解决率降低7.7个百分点，需优化相关协作能力。
2026-08-04 cs.AI cs.CL cs.SE
Immersion in the GitHub Universe: Scaling Coding Agents to Mastery
Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院）；BandAI, ByteDance（字节跳动 BandAI）；AweAI Team（AweAI 团队）
本文提出ScaleSWE系统，通过自动化多代理工作流生成高质量SWE数据，产生10万验证实例，超越现有数据集的多样性和复杂性，训练出性能提升三倍的ScaleSWE代理。
2026-03-24 cs.SE
