JetBrains提出SWE-TaskFlow基准

JetBrains 研究团队提出编码智能体基准应匹配真实任务流。研究者分析 4,782 个真实智能体会话，发现真实会话会在多条消息中混合并切换任务类型，功能开发与 bug 修复的占比远低于一半；相比之下，SWE-Bench Pro 中这两类任务占 93.8%。据此，JetBrains 认为现有基准未能复制真实用户的工作方式，并提出 SWE-TaskFlow 基准方向。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。