在 Princeton 发布 SWE-Bench 之后，用真实世界代码仓库+可执行测试评测大模型软件工程能力，几乎已成为学术界与工业界的共识。围绕 SWE issue 的评测范式迅速发展，也催生了一系列 SWE 系列 benchmark，在刻画模型 bug 修复能力方面发挥了重要作用。 但真实的软件工程 ...

【新智元导读】Claude又双叒更了！一早，Claude Code上线了「云端自动修复」功能：自主修bug，让PR始终保持绿色。程序员彻底解放双手的这一天终于来了。 这不，今早Claude Code终于上线了「云端自动修复」（auto-fix-in ...

导语：CODING Enterprise 可以让程序员远程协作撸代码。接下来的问题就变成：“老板是不是愿意为员工的终身幸福买单”了。 也许是为了避开程序猿的伤心事，CODING 选择了在 1.11 小光棍节的第二天上线新产品。 CODING，这个在去年收购了 GitCafe 的软件开发平台 ...

假设有一台智能设备，它可以一天自动盖一栋三层小楼，那么我们能否认为它可以30多天盖一座100层的摩天楼呢？ 现在就是AI vibecoding几个小时就完成了几万行代码的项目，质量还不错，于是我们能否乐观地认为AI几百个小时就可以完成几百万行代码的项目，并且质量也还不错 很多人认为，AI coding产出可以随时间线性增长，多个AI ...