技术博客

微软公司推出了一款名为SWE-bench-Live的代码修复评测基准工具。该工具通过自动化构建代码运行环境，结合实时更新功能，有效解决了过拟合与数据污染问题，显著提升了模型评估的准确性和时效性。此外，SWE-bench-Live创新性地引入GitHub上的最新Issue，突破了传统静态评测基准的限制，实现了全自动化的运行环境构建与持续更新，为代码修复领域带来了革命性的进步。