SWE-TaskFlow：编码智能体基准对齐任务流

2026年10月15日，arXiv Artificial Intelligence 刊出 Igor Slinko 等研究者的工作，提出 SWE-TaskFlow 基准转换方法与 TaskFlow Alignment Score（TFAS）。该研究先收集 JetBrains IDE 中 4,782 个真实软件工程师的智能体会话（Production Sessions），发现长会话（至少三条用户消息，占样本 33%）的任务类型远比基于 issue 的基准任务更广，且用户会在会话中切换类型。据此，SWE-TaskFlow 用于转换任何由 issue 衍生的基准：保留已验证的任务与测试，通过提示拆分与可验证的仓库问答把交互引向目标 Task Flow，并用 TFAS 在生成的轨迹间进行选择。研究还报告了一项试点：在 700 个 SWE-Bench Pro 任务上，将任务分多步顺序求解会使智能体成本约翻倍，而解决率没有稳定变化，据此认为交互协议本身是评测的重要维度。目前进展限于方法提出与试点结果，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。