代码大模型 / AI 编程

SWE-bench Science: Can Coding Agents Resolve Engineering Tasks in Science?

SWE-bench Science：编码智能体能解决科学领域的工程任务吗？

Zhipeng Xu, Jiahao Lu, Yining Zheng, Yuxin Wang, Xipeng Qiu

专题命中 软件智能体 ：coding agent(title,abstract)；repository(abstract)；分类 cs.SE、cs.CL

AI总结 本研究推出SWE-bench Science基准，含20个领域98个仓库的119项任务，评估发现最优智能体pass@1低于50%，揭示科学软件工程的挑战，分析四类失败机制并经消融实验明确科学知识的作用，为编码智能体研究提供测试平台。

Comments 26 pages, 7 figures

Self-Evolving Coding Agents

自进化编码智能体

Hao Zhou, Haichuan Hu, Ye Shang, Quanjun Zhang

专题命中 软件智能体 ：coding agent(title,abstract)；repository(abstract)；分类 cs.SE

AI总结 本综述系统梳理自进化编码智能体领域，明确其与传统智能体的区别，提出分类法，分析该领域的挑战，为设计更优智能系统奠定基础。

From Agent Behaviour to Agent-Friendly Documentation: An Empirical Study of How Coding Agents Discover, Read, and Write Technical Documentation

从智能体行为到智能体友好型文档：关于编码智能体如何发现、阅读和编写技术文档的实证研究

Zhijun Gao, Jing Chen

专题命中 软件智能体 ：coding agent(title,abstract)；分类 cs.SE、cs.AI

AI总结 本研究通过SWE-chat和AIDev两个数据集，揭示编码智能体的文档交互规律，发现面向智能体的制品占主导，文档与代码编辑关联弱，验证序列缺失，文档滞后代码，且"智能体友好型"文档的可操作性、可验证性缺乏行为支持。

Comments 14 pages, 1 figure, 10 tables

Understanding as an Explicit and Assessable Component of Frontier AI Safety Decisions

将理解作为前沿AI安全决策的明确且可评估的组成部分

Stephen Barrett, Robin Bloomfield, Alexandra Chirilă, Mamoon Masud, David Meredith Hardy, Phillip Mulvana

专题命中 软件智能体 ：coding agent(abstract)

AI总结 该研究提出一种基于Assurance 2.0框架的临时方法，用于明确且可评估前沿AI安全决策中的理解，经两种场景测试，该方法可应用且能驱动工程工作。