软件缺陷修复评估 LLM-DailyDigest 2026-09-13 2026-09-13 约 100 字 预计阅读 1 分钟 软件缺陷修复评估 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 代码评测 3 UserSWE：动态用户多轮对话中的编程智能体评测 10-22 SWE-Game：编码智能体游戏开发评测基准 09-29 SWE-Gate：兼顾功能测试与评审约束的软件工程智能体基准 09-07 故障调试 1 修复还是重采样？重新审视 LLM 多智能体故障调试 08-27 科学编程 1 SWE-bench Science：科学软件工程中的编码智能体评测 08-21 程序修复 1 Poison Valleys：诊断 LLM 代码修复中的路径依赖失败 10-18 脚手架演化 1 Self-Harness 更新并开源：Agent 自主改进执行框架 08-26 评测审计 4 测试评分代码智能体基准中的规格—判定器缺口 10-23 RTL 修复基准究竟测量了什么？ 10-21 LLM 代码漏洞修复中的编译率指标失效与变更感知评测 09-23 Trail of Bits 质疑 FLAWED AI 补丁基准并发布验证技能 09-16
