关于 SWE-Duel 的报道

静态编码基准面临的数据污染和能力饱和问题，促使评估范式向动态对抗演进。SWE-Duel 引入自我扩展的竞技场机制，意味着编码 Agent 的评估正从『静态题目测试』转向『动态对抗攻防』，从而更准确地衡量其在真实开发场景中的上限。