精选70Chubby♨️论文研究
编码代理能过测试却漏任务：SWE Refactor Bench 揭示差距
Coding agents can pass tests and still miss the task.
Coding agents can pass tests and still miss the task.
编码代理可以通过测试，但仍然可能遗漏任务。
In SWE Refactor Bench, 340 of 520 runs completed the migration audit. 88 passed every fixed test. Only 28 survived the full three-stage evaluation.
在SWE重构基准测试中，520次运行中有340次完成了迁移审计。88次通过了所有固定测试。只有28次通过了完整的三阶段评估。
That gap is the real state of autonomous, whole-repo refactoring.
这一差距正是自主、全仓库重构的真实状态。
更进一步：量化金融体系
看懂新闻只是起点——沿量化金融路径，把它变成能交付的工程能力