software-agents

该论文提出层级分数后验恢复方法(HSPR)，通过结合历史响应模式与自适应任务选择，仅用小子集即可高效估计软件代理在完整基准测试上的分数，在SWE-bench系列任务库上取得最低的平均与最大绝对误差。

ProgramBench 是一个代理从头开始复现真实软件行为的基准测试。Factory 被宣布为最先进的逆向工程系统，在模型无关的长期代理方面取得了突破。

本文介绍了DreamBench-SWE，一个用于评估多会话软件代理内存卫生的基准，并报告了实验结果，显示其能够区分内存配置并表征性能。

RESOURCE2SKILL是一个框架，它将教程视频、代码仓库、文章和工件等多模态资源提炼为层次化的SkillWiki中的可执行智能体技能，相比无技能智能体，将智能体性能提升了11.9个百分点。