Новости
SWE-CoWork: Benchmarking Coding Agents as Digital Employees in Organizations
arXiv cs.AI · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- SWE-CoWork benchmark tests coding agents on 101 real-world development tasks simulating organizational collaboration with 26 simulated colleagues across 11 languages.
- Почему это важно
- Relevant for engineers evaluating AI coding assistants, assessing autonomous software development capabilities, and understanding agent limitations in realistic team settings.
- На что обратить внимание
- Top models complete only 8% of full assignments despite 63% pass rate on individual tests, suggesting significant gaps between partial fixes and production-ready delivery.
- agent
- edge
- benchmark
Паттерны, стоящие за этой новостью
Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.
The Agent Architect
Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.
Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.