預印本發現,寫程式代理常在解對問題後停不下來,1% 到 8% 的案例因此把對的修補改壞。

解對之後多跑的步數,大多花在驗證與探索程式庫,這些都是多付的算力,這是作者自報的結果、還沒有別人重做。作者 Musa Cim、Burak Topcu、Mahmut Taylan Kandemir 在 3 個 SWE-bench 資料集上(讓模型修真實開源專案錯誤的測試)測了 5 個模型、兩種代理框架。據摘要,成功的執行裡 38% 到 82% 第一次改原始碼就改對。在 SWE-bench Verified 與 Multilingual 上,解對之後的步數占全部步數的中位數,Qwen3-Coder 是 35% 到 37%,Laguna-XS.2 是 54% 到 60%(arXiv 2611.14960,2026-11-11)。 怎麼查的 →
出處與查證
這則刊在2026年11月14日的晨報,同一期還有 14 則。查證經過、引句核對與當天缺的資料,記在那一期的本日驗證。
引用這則
SecondSource(2026),〈預印本發現,寫程式代理常在解對問題後停不下來,1% 到 8% 的案例因此把對的修補改壞。〉,https://secondsource.io/research/2026-11-14-1/,取用日期取用。