（文/杨亮）10月23日消息，近日，来自 Meta 超级智能实验室、哈佛大学、斯坦福等机构的研究者推出全新软件工程评测基准 SWE-sweep，一改主流代码基准的评测范式：不再给 AI 提供问题描述、报错信息或漏洞位置，仅交付完整代码仓库，要求编码智能体自主探索、发现并修复潜藏 Bug。

过往 SWE-bench 等经典基准，任务形式大多是 “给定 Issue 问题描述 + 代码库，让 AI 根据反馈修复漏洞”，相当于提前告诉 AI“哪里出了问题、是什么问题”。而 SWE-sweep 瞄准更贴近真实运维的场景：代码库上线后，在用户上报问题之前，由 AI 主动巡检、挖掘隐性缺陷。

该基准数据集由 100 个真实开源仓库构建，包含合计 4100 个历史漏洞。研究团队筛选特定代码提交版本，让大量历史 Bug 在同一版本共存；同时严格把关样本，只保留 “仅凭阅读代码本身就能发现”的漏洞 —— 缺陷的预期行为可以从代码注释、类型标注、单元测试、函数契约等仓库内信息推导出来，排除需要外部上下文才能够定位的问题。