英文：SWE-bench 分类：coding
评估 AI 解决真实软件工程问题的基准：从 GitHub 真实仓库提取 Issue + 关联 PR，要求模型生成能通过隐藏测试的修复补丁，衡量"AI 程序员"的实际能力。
构成：真实 issue（bug 报告/功能请求）、黄金补丁（人类 PR）、测试验证（FAIL_TO_PASS）；指标：解决率（% resolved）；版本：SWE-bench Verified（人工过滤子集）、Lite；意义：比函数级基准（HumanEval）更贴近真实开发；榜单：Devin、OpenHands 等竞争。
用于 Agent 能力评测（真实任务）、模型选型（工程能力）、研究进展追踪（解决率 SOTA）与训练数据（issue-PR 对）；SWE-bench 是"AI 工程师能力"的度量衡。
相关词条：Claude Code · Windsurf · Devin · 终端智能体 · SWE-agent