Articles sur SWE-Duel

Les problèmes de contamination des données et de saturation des capacités auxquels font face les références de codage statiques poussent le paradigme d'évaluation à évoluer vers une approche dynamique et contradictoire. SWE-Duel introduit un mécanisme d'arène auto-extensible, ce qui signifie que l'évaluation des agent IA de codage passe d'un « test sur des sujets statiques » à une « attaque et défense contradictoires dynamiques », mesurant ainsi avec plus de précision leur limite supérieure dans des scénarios de développement réels.