RealSWE：真实用户请求下的编码智能体组合式评测基准

RealSWE 提出由 SWE-bench Verified 与 Pro 衍生的 381 个多变量任务族，用于评测真实用户请求风格下的编码智能体。对真实提示词与基准问题的对比显示，只含问题陈述的请求占真实提示词的 88%，在基准问题中仅占 7%；87% 的真实提示词为随意书写，而 94% 的基准问题为正式书写。