SWE-bench
基于GitHub问题的语言模型评估
SWE-bench是一个基准测试平台，用于评估语言模型在解决GitHub问题中的表现。提供代码库和问题描述，模型生成修复补丁。项目支持Docker容器实现高效可重复测试。最新更新包括SWE-agent的引入，提升评估基准表现。支持x86_64和实验性arm64架构，提供多样数据集和模型下载选项。欢迎NLP、机器学习和软件工程领域的贡献和反馈。
SWE-bench 项目介绍
SWE-bench 是一个旨在评估大型语言模型在真实世界中解决 GitHub 软件问题能力的基准。这个项目主要面向软件工程和自然语言处理研究领域，对语言模型能否生成解决特定代码库问题的补丁进行评估。
项目概览
SWE-bench 的核心目标是，通过分析代码库和相关问题，让语言模型生成修复所述问题的代码补丁。在这个过程中，SWE-bench 提供了一套标准化的评估机制，各大语言模型可以在此基础上被测试其解决真实世界软件问题的能力。
最新动态
- 2024年8月13日：推出 SWE-bench Verified! 这个全新的验证部分中，包括500个经过软件工程师确认可解的问题。
- 2024年6月27日：SWE-bench 通过 Docker 完全容器化，以实现更有重复性的评估过程。
- 2024年1月16日：SWE-bench 作为一项重要研究，被国际学习表象会议（ICLR 2024）接受，并将在会上进行口头报告。
使用指南
环境配置
为了提高评估的可重复性，SWE-bench 使用了 Docker 技术。用户需先安装 Docker，然后从源代码构建 SWE-bench。安装过程包括克隆项目仓库并进行必要的依赖安装。
评估使用
运行快速评估需要充足的计算资源，建议在配置较高的机器上进行，并注意调整评估参数，以确保评估的顺利进行。推荐使用 x86_64 架构的机器，支持 arm64 的功能处于实验阶段。
数据集与模型
SWE-bench 项目还提供了多个相关的数据集和语言模型以供下载使用，包括 SWE-Llama 13b 和 SWE-Llama 7b，及其相应的 PEFT 模型。项目的开源自然促进了更多的研究人员和开发者参与到这项研究中。
贡献与反馈
这个项目欢迎自然语言处理、机器学习以及软件工程领域的研 究者和从业者加入。用户可以通过提交请求或问题来贡献自己的力量。
许可与引用
SWE-bench 项目以 MIT 许可协议发布。如果在研究中使用到 SWE-bench，期望使用者给予项目引用以示认可。
该项目的联系人包括 Carlos E. Jimenez 和 John Yang，他们乐于帮助更多的人了解并使用 SWE-bench。
总结来说，SWE-bench 是一个致力于推动语言模型在软件问题解决领域能力的研究项目，其提供的工具和资源有助于深化语言模型在实际应用中的表现评估。
编辑推荐精选
GPT Plus｜Pro充值
GPT 充值
支持 ChatGPT Plus / Pro 充值服务，支付便捷，自动发货，售后可查。
GPT Image 2中文站
AI 图片生成平台
GPT Image 2 是面向用户的 AI 图片生成平台，支持文生图、图生图及多模型创意工作流。
Vecbase
你的AI Agent团队
Vecbase 是专为 AI 团队打造的智能工作空间，将数据管理、模型协作与知识沉淀整合于一处。算法、产品与业务在同一平台无缝协同，让从数据到 AI 应用的落地更快一步。
音述AI
全球首个AI音乐社区
音述AI是全球首个AI音乐社区，致力让每个人都能用音乐表达自我。音述AI提供零门槛AI创作工具，独创GETI法则帮助用户精准定义音乐风格，AI润色功能支持自动优化作品质感。音述AI支持交流讨论、二次创作与价值变现。针对中文用户的语言习惯与文化背景进行专门优化，支持国风融合、C-pop等本土音乐标签，让技术更好地承载人文表达。
QoderWork
阿里Qoder团队推出的桌面端AI智能体
QoderWork 是阿里推出的本地优先桌面 AI 智能体，适配 macOS14+/Windows10+，以自然语言交互实现文件管理、数据分析、AI 视觉生成、浏览器自动化等办公任务，自主拆解执行复杂工作流，数据本地运行零上传，技能市场可无限扩展，是高效的 Agentic 生产力办公助手。
lynote.ai
一站式搞定所有学习需求
不再被海量信息淹没，开始真正理解知识。Lynote 可摘要 YouTube 视频、PDF、文章等内容。即时创建笔记，检测 AI 内容并下载资料，将您的学习效率提升 10 倍。
AniShort
为AI短剧协作而生
专为AI短剧协作而生的AniShort正式发布，深度重构AI短剧全流程生产模式，整合创意策划、制作执行、实时协作、在线审片、资产复用等全链路功能，独创无限画布、双轨并行工业化工作流与Ani智能体助手，集成多款主流AI大模型，破解素材零散、版本混乱、沟通低效等行业痛点，助力3人团队效率提升800%，打造标准化、可追溯的AI短剧量产体系，是AI短剧团队协同创作、提升制作效率的核心工具。
seedancetwo2.0
能听懂你表达的视频模型
Seedance two是基于seedance2.0的中国大模型，支持图像、视频、音频、文本四种模态输入，表达方式更丰富，生成也更可控。
nano-banana纳米香蕉中文站
国内直接访问，限时3折
输入简单文字,生成想要的图片，纳米香蕉中文站基于 Google 模型的 AI 图片生成网站，支持文字生图、图生图。官网价格限时3折活动
扣子-AI办公
职场AI，就用扣子
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号