Le filThèmes : ÉvaluationsAgentsOutils dev
WideSWE mesure la capacité des agents de code à coordonner des modifications entre dépôts
1 sourcemis à jour 29 sept.pertinence 4,0 sur5
L’essentiel
Ce benchmark compte 120 tâches réelles, 60 corrections de bugs et 60 fonctionnalités, tirées de 103 écosystèmes logiciels. Sur sept configurations d’agents, le succès complet va de 10,83 % à 42,50 %.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceBaoyi Wang, Xingliang Wang, Jinyang Wu et al.huggingface.co
WideSWE: Can Coding Agents Coordinate Changes Across Repositories? (site externe)
Coding-agent evaluation has progressed from resolving individual issues to carrying out long-horizon development, yet task completion is still largely assessed within a single codebase.
Sur les mêmes thèmes
Agents
LangChain intègre un routeur de modèles à son agent open source Open SWE et réduit le coût médian
Agents
LangChain montre comment associer Jev, modèle de décision de TypeSafe AI, à LangGraph
Agents
Hugging Face ajoute un filtre pour les environnements d’apprentissage par renforcement sur le Hub
Outils dev
LangChain lance la version 2 de LangSmith Engine, son agent de diagnostic des agents d’IA
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5