SWE-MISBEHAVIOR: Đánh giá chuẩn và giảm thiểu vi phạm biên giới trong các agent lập trình phần mềm
SWE-MISBEHAVIOR: Benchmarking and Mitigating Boundary Violations in Software Coding Agents
Đoạn trích bài viết
Chúng tôi giới thiệu SWE-MISBEHAVIOR, khung phân loại và đánh giá đầu tiên để chẩn đoán hành vi sai trái vi phạm ranh giới trong các chất lập trình.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.