SWE Agent 数据与评测版图
从 benchmark、轨迹数据到可运行 SWE 环境资产
目录
这是一份面向 paper sharing 的 HTML 汇报，主题是 SWE agent 数据与评测版图。
它主要覆盖三件事：
- 哪些 SWE benchmark 值得测，老基准和新子能力评测分别看什么。
- 哪些现成 agent trace corpus 可以作为 SFT、warmup、critic 或 verifier 数据来源。
- 哪些 SWE 任务池有 Docker 镜像、Dockerfile 或可执行测试，能接进自己的 rollout pipeline。
报告页面可以直接打开：