论文页面 - WideSWE：编程代理能否协调跨仓库的变更？

来源：https://huggingface.co/papers/2609.33382

摘要

编程代理的评估已从解决单个问题发展到执行长周期开发任务，但任务完成度评估仍主要局限于单一代码库。在软件生态系统中，许多功能和错误修复需要跨多个仓库进行协调变更。我们提出了WideSWE来评估编程代理在跨仓库任务中的表现。通过挖掘和审查103个软件生态系统的变更，我们获得了120个真实世界任务，其中60个错误修复和60个功能实现各占一半。我们从相关议题和拉取请求中提取提示。我们系统地审查和调整了隐藏测试，以支持多样化的正确实现，同时保留所需的行为和回归检查。在七种代理配置中，完整任务的成功率从10.83%到42.50%不等，其中将CodexCLI与GPT-5.6-sol配对的配置取得了最高成功率。执行轨迹显示，代理未能识别必要变更、识别变更但未完成、或修改了所需仓库但未完全满足请求。为检验一次处理一个仓库是否能缓解这些困难，我们在相同提示下将其与联合执行进行了比较。独立执行主要恢复了遗漏的工作，对于纠正之前尝试但未成功的实现效果较差。联合执行可以利用相关仓库的信息来指导实现和验证。代码可在https://github.com/ZJU-ACES-ISE/WideSWE获取。

查看arXiv页面 (https://arxiv.org/abs/2609.33382) 查看PDF (https://arxiv.org/pdf/2609.33382) 项目页面 (https://zju-aces-ise.github.io/WideSWE/) GitHub8 (https://github.com/ZJU-ACES-ISE/WideSWE) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.33382)

在你的代理中获取这篇论文：

hf papers read 2609.33382

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

没有模型链接到这篇论文

在模型的README.md中引用arxiv.org/abs/2609.33382，以从本页面链接它。

引用本文的数据集1

wangbaoyi/WideSWE 约2小时前更新 • 2 (https://huggingface.co/datasets/wangbaoyi/WideSWE)

引用本文的空间0

没有空间链接到这篇论文

在空间的README.md中引用arxiv.org/abs/2609.33382，以从本页面链接它。

包含本文的收藏0

没有收藏包含这篇论文

将本文添加到收藏集 (https://huggingface.co/new-collection) 以从本页面链接它。