- 论文公开站arXiv
SWE Refactor Bench：编码代理能否完成长周期、全仓库的代码栈迁移？
SWE Refactor Bench: Can Coding Agents Complete a Long-Horizon, Whole-Repository Stack Migration?
SWE Refactor Bench 是一个包含20个全仓库迁移任务的基准，覆盖4种技术债务。三阶段评估协议（迁移审计、行为测试、代理验证）分别验证迁移完成度和行为正确性。在520次运行中，仅28次（5.4%）通过全部阶段，13个任务无接受方案，最佳模型得分47.0/100。摘要显示，代理常因跳过迁移或破坏行为而失败，无法实现完美迁移。
意义：该基准首次区分迁移完成度与行为正确性，防止代理通过复制原实现作弊，为评估编码代理在长期迁移任务中的真实能力提供新标准。