Noticias sobre SWE-Duel

Los problemas de contaminación de datos y saturación de capacidades a los que se enfrentan los benchmarks de codificación estáticos están impulsando la evolución del paradigma de evaluación hacia una confrontación dinámica y adversarial. SWE-Duel introduce un mecanismo de arena autoextensible, lo que significa que la evaluación de los Agent de codificación está pasando de "exámenes de preguntas estáticas" a "ataque y defensa adversarial dinámicos", midiendo así con mayor precisión su límite superior en escenarios de desarrollo reales.