ニュース
SWE Refactor Bench: Can Coding Agents Complete a Long-Horizon, Whole-Repository Stack Migration?
arXiv cs.AI · 公開日 · 読了3分
30秒で要点
- 何が起きたか
- Researchers released SWE Refactor Bench, a benchmark testing whether AI coding agents can autonomously perform whole-repository stack migrations across 20 real tasks.
- なぜ重要か
- Matters for teams evaluating coding agents for technical debt work, especially large-scale framework or language migrations in production systems.
- 注意点
- Only 5.4% of 520 runs passed all evaluation stages. Agents often skip migrations entirely or break behavior. Results vary drastically by migration type.
この要約を音声で聴く
- agent
- eval
- benchmark
- long-horizon
この話題の背景にあるパターン
各ページで、技術の仕組み、コストに見合う場面、そして破綻する条件を解説しています。
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。