2026年3月4日陈家龙等5位作者提交论文《SWE - CI通过持续集成评估代理维护代码库的能力》。论文提出SWE - CI基准测试将代码评估从静态转向动态。研究背景大语言模型驱动的代理在自动化软件工程任务中表现出色如静态错误修复。但现实软件开发基于复杂需求和长期迭代现有静态一次性修复模式无法满足需求。SWE - CI基准测试这是首个基于持续集成循环构建的仓库级基准测试含100个任务。每个任务平均对应现实代码仓库233天演变历史和71次连续提交要求代理通过多轮迭代解决任务。评估模式转变传统评估注重静态、短期的功能正确性SWE - CI将其转向动态、长期的可维护性为评估代理维持代码质量能力提供新见解。行业影响在软件工程领域SWE - CI可能成为评估代码库维护能力的新标准推动大语言模型在软件工程中的应用和发展提升软件开发效率和质量。编辑观点SWE - CI的出现是软件工程评估的重要突破有望改变现有评估格局加速大语言模型在实际开发中的落地推动行业向更高效、更智能方向发展。