大模型“自動修bug”能力将提升，豆包開源多語言代碼修復基準

今天小編分享的科技經驗：大模型“自動修bug”能力将提升，豆包開源多語言代碼修復基準，歡迎閲讀。

IT 之家 4 月 10 日消息，豆包大模型團隊今日通過官方公眾号宣布，首個多語言類 SWE 數據集 Multi-SWE-bench 現已正式開源，可用于評估和提升大模型 " 自動修 Bug" 能力。

在 SWE-bench 基礎上，Multi-SWE-bench 首次覆蓋 Python 之外的 7 種主流編程語言，是真正面向 " 全棧工程 " 的評測基準。其數據均來自 GitHub issue，歷時近一年構建，以盡可能準确測評和提高大模型高階編程智能水平。

Multi-SWE-bench 旨在推動自動編程技術從僅能解決單一語言（如 Python）和低復雜度的任務，朝着支持多語言、具備真實問題解決能力的通用型智能體邁進。

SWE-bench 是當前最具代表性的代碼修復評測基準，強調任務真實、難度高。它基于 GitHub issue，要求模型自動定位并修復 Bug，兼具跨檔案修改、復雜語義推理與上下文理解等挑戰。

Multi-SWE-bench 旨在補全現有同類基準語言覆蓋方面的不足，系統性評估大模型在復雜開發環境下的 " 多語言泛化能力 "，推動多語言軟體開發 Agent 的評估與研究，其主要特性如下：

首次覆蓋 7 種主流編程語言（包括 Java、Go、Rust、C、C++、TypeScript、JavaScript），構建多語言開發環境下的代碼修復任務，系統評估模型的跨語言适應與泛化能力；

引入任務難度分級機制，将問題劃分為簡單（Easy）、中等（Medium）和困難（Hard）三類，涵蓋從一行修改到多檔案、多步驟、多語義依賴的開發挑戰；

1,632 個實例全部來源于真實開源倉庫，并經過統一的測試标準和專業開發者的審核篩選，确保每個樣本具備清晰的問題描述、正确的修復補丁以及可復現的運行測試環境。