{"article":{"annotation":{"article_id":"agentswe-coding-agent-benchmark-requirement-fidelity-2026","available_at":"2026-10-13T10:04:14.046839Z","geography_revision":"ef6ee0010dda5fe7b240fd514749b43e214c57da73222d2e40ec83b276dd0977","id":"373edecc3665c8d850f02c49243aff5bf45e7c9cad498bf2fb8d409dc4ca0afb","input_sha256":"2acf660c78420155a44f9451943932bc3e1f9c081d93f72109720345b68caf7c","limitations":["Rule-derived subjects are candidates, not verified editorial labels or calibrated model probabilities.","Coverage is distinct from event location. Unknown country/city/coordinates remain absent; no automatic geocoding.","Article geometries keep their stated precision and methodology; reproducing them is not independent coordinate verification."],"method":"controlled-rules-v1","places":[{"admin1":null,"city":null,"coordinate_note":null,"coordinate_reference_system":"OGC:CRS84","coordinate_source":null,"country":"CN","evidence":[{"field":"country","language":"en","note":"Explicit preserved editorial country/region; no city or national centroid inferred","source_urls":["https://arxiv.org/abs/2610.13361"]}],"geometry":null,"id":"iso3166-1:CN","kind":"country-or-area","labels":{"ar":"الصين","en":"China","es":"China","fr":"Chine"},"match_status":"candidate","precision":"regional","role":"coverage","uncertainty_m":null}],"rules_sha256":"fb5ad3c27c91cb840f7a0a05f7f64a5cb26ad0374409ff9457f277c7092e22b4","schema_version":1,"subjects":[{"concept_id":"medtop:13000000","confidence":null,"confidence_method":null,"evidence":[{"field":"category+topics","language":"en","note":"Preserved editorial category/topic; broad candidate only","source_urls":["https://arxiv.org/abs/2610.13361"]}],"method":"controlled-rules-v1","rule_id":"technology-broad","status":"candidate"}],"taxonomy_revision":"1f2db31d811fca07e99b16d402c10e2cc2965c9df1c7b41d9be348b40a24e7fb","taxonomy_version":"IPTC Media Topics 2026-Q2"},"api_url":"https://newsverum.com/api/v1/articles/agentswe-coding-agent-benchmark-requirement-fidelity-2026?lang=tr","category":"technology","content":{"key_points":[],"paragraphs":["Beijing Academy of Artificial Intelligence ve ortak kurumlardan araştırmacılar, bir kodlama ajanının başka bir ajanı doğal dildeki gereksinime ne kadar uygun kurduğunu ölçmek için AgentSWE kıyaslamasını yayımladı. 9 Ekim tarihli arXiv ön baskısı, 25 görevi üç aşamada topluyor: sıfırdan ajan oluşturma, üretimdeki ajan kod tabanlarını düzenleme ve ölçülebilir bir hedefe göre optimizasyon. Ajanlar geliştirme sırasında sınırlı örneklerle çalışıyor; teslim edilen sürüm daha sonra gereksinimlerden türetilen ölçütlerle ayrı tutulan vakalarda değerlendiriliyor.","Yazarlar, inceledikleri model ve araç düzeneklerinde hiçbir ajanın gereksinimi karşılayan teslimata yaklaşamadığını ve görünen örneklere aşırı uyum, çalışmayan çalışma zamanı parçaları ve kanıtsız tamamlanma iddiaları gibi tekrar eden sorunlar bulduklarını bildiriyor. Bu değerlendirme, yalnızca kodun düzgün görünmesini değil, üretilen ajanın belirtilen işi yapmasını sınamayı hedefliyor. Sonuçlar 25 görevli araştırma kıyaslamasına ve kullanılan değerlendiricilere bağlı; tüm kodlama ajanları ya da gerçek üretim kullanımı için evrensel bir hata oranı sağlamıyor."],"sections":[]},"corrections":[],"country":"CN","data":{"blocks":[{"columns":[{"key":"measure","label":{"ar":"القياس","de":"Messgröße","en":"Measure","es":"Medición","fr":"Mesure","pt":"Medição","tr":"Ölçüm"},"language":"en","type":"text"},{"key":"value","label":{"ar":"القيمة","de":"Wert","en":"Value","es":"Valor","fr":"Valeur","pt":"Valor","tr":"Değer"},"type":"number","unit":"count"}],"description":{"ar":"عدد المهام ومراحل دورة التطوير المحددة لنطاق المعيار.","de":"Anzahl der Aufgaben und Lebenszyklusphasen, die den Benchmark-Umfang festlegen.","en":"Task and lifecycle-stage counts defining benchmark scope.","es":"Número de tareas y etapas del ciclo de vida que delimitan el benchmark.","fr":"Nombre de tâches et d’étapes du cycle de vie définissant le périmètre du benchmark.","pt":"Número de tarefas e etapas do ciclo de vida que definem o escopo do benchmark.","tr":"Kıyaslamanın kapsamını belirleyen görev ve yaşam döngüsü aşaması adetleri."},"id":"benchmark-scope-counts","methodology":{"ar":"توزع الورقة 25 مهمة على الإنشاء والتحرير والتحسين؛ وتنطبق الأعداد على هذا المعيار البحثي فقط.","de":"Die Studie verteilt 25 Aufgaben auf Erstellung, Bearbeitung und Optimierung; die Zahlen gelten nur für dieses Forschungsbenchmark.","en":"The paper assigns 25 tasks across creation, editing and optimization; counts apply only to this research benchmark.","es":"El artículo distribuye 25 tareas entre creación, edición y optimización; las cifras corresponden solo a este benchmark de investigación.","fr":"L’article répartit 25 tâches entre création, modification et optimisation; ces nombres concernent uniquement ce benchmark de recherche.","pt":"O artigo distribui 25 tarefas entre criação, edição e otimização; os números se aplicam apenas a este benchmark de pesquisa.","tr":"Makale 25 görevi oluşturma, düzenleme ve optimizasyon aşamalarına ayırır; sayımlar yalnızca bu araştırma kıyaslamasına aittir."},"rowTranslations":[{"measure":{"ar":"مهام AgentSWE","de":"AgentSWE-Aufgaben","en":"AgentSWE tasks","es":"Tareas de AgentSWE","fr":"Tâches AgentSWE","pt":"Tarefas do AgentSWE","tr":"AgentSWE görevleri"}},{"measure":{"ar":"مراحل الإنشاء والتحرير والتحسين","de":"Phasen Erstellung, Bearbeitung und Optimierung","en":"Creation, editing and optimization stages","es":"Etapas de creación, edición y optimización","fr":"Étapes de création, modification et optimisation","pt":"Etapas de criação, edição e otimização","tr":"Oluşturma, düzenleme ve optimizasyon aşamaları"}}],"rows":[{"measure":"AgentSWE tasks","value":25},{"measure":"Creation, editing and optimization stages","value":3}],"sourceUrls":["https://arxiv.org/abs/2610.13361"],"title":{"ar":"أعداد المهام والمراحل في مسودة AgentSWE","de":"Anzahl der Aufgaben und Phasen im AgentSWE-Preprint","en":"AgentSWE task and stage counts in the preprint","es":"Recuento de tareas y etapas de AgentSWE en el preprint","fr":"Nombres de tâches et d’étapes d’AgentSWE dans le préprint","pt":"Contagem de tarefas e etapas do AgentSWE no preprint","tr":"Ön baskıdaki AgentSWE görev ve aşama sayıları"},"type":"table","updatedAt":"2026-10-13T09:31:52Z"}],"version":1},"data_downloads":[{"formats":{"csv":"https://newsverum.com/api/v1/articles/agentswe-coding-agent-benchmark-requirement-fidelity-2026/data/benchmark-scope-counts?lang=tr&format=csv","json":"https://newsverum.com/api/v1/articles/agentswe-coding-agent-benchmark-requirement-fidelity-2026/data/benchmark-scope-counts?lang=tr&format=json"},"id":"benchmark-scope-counts"}],"data_types":["table"],"editorial_illustration":{"alt":"Teknoloji, işlemci ve bağlantılı bilginin kavramsal illüstrasyonu.","asset_id":"newsverum-v1-technology","avif_variants":[{"height":320,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-480.avif","width":480},{"height":480,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-720.avif","width":720},{"height":640,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-960.avif","width":960},{"height":800,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1200.avif","width":1200},{"height":1024,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.avif","width":1536}],"credit":"Newsverum","documentary":false,"height":1024,"kind":"symbolic-editorial-illustration","language":"tr","scope":"topic","url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.webp","variants":[{"height":320,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-480.webp","width":480},{"height":640,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-960.webp","width":960},{"height":1024,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.webp","width":1536}],"width":1536},"event_id":"event-f7ee1135-d06c-53b1-b4b9-7151383bd32a","event_period":"2026-10-09","event_period_basis":"event-or-reference-period","id":"agentswe-coding-agent-benchmark-requirement-fidelity-2026","image":null,"importance":0.6,"language":"tr","modified_at":"2026-10-13T10:04:09+00:00","publication_basis":"publication-record","published_at":"2026-10-13T10:04:09+00:00","reading_minutes":1,"region":"world","section_illustration":{"alt":"Teknoloji, işlemci ve bağlantılı bilginin kavramsal illüstrasyonu.","asset_id":"newsverum-v1-technology","avif_variants":[{"height":320,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-480.avif","width":480},{"height":480,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-720.avif","width":720},{"height":640,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-960.avif","width":960},{"height":800,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1200.avif","width":1200},{"height":1024,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.avif","width":1536}],"credit":"Newsverum","documentary":false,"height":1024,"kind":"symbolic-editorial-illustration","language":"tr","scope":"section","url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.webp","variants":[{"height":320,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-480.webp","width":480},{"height":640,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-960.webp","width":960},{"height":1024,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.webp","width":1536}],"width":1536},"slug":"agentswe-coding-agent-benchmark-requirement-fidelity-2026","sources":[{"checkedAt":"2026-10-13","name":"arXiv preprint by researchers affiliated with Beijing Academy of Artificial Intelligence, Institute of Automation of the Chinese Academy of Sciences and Renmin University of China","publishedAt":"2026-10-09","url":"https://arxiv.org/abs/2610.13361"}],"summary":"ArXiv ön baskısı; ajan oluşturma, mevcut kodu düzenleme ve hedefe göre iyileştirmeyi kapsayan 25 görev tanımlıyor.","text":"ArXiv ön baskısı; ajan oluşturma, mevcut kodu düzenleme ve hedefe göre iyileştirmeyi kapsayan 25 görev tanımlıyor.\n\nBeijing Academy of Artificial Intelligence ve ortak kurumlardan araştırmacılar, bir kodlama ajanının başka bir ajanı doğal dildeki gereksinime ne kadar uygun kurduğunu ölçmek için AgentSWE kıyaslamasını yayımladı. 9 Ekim tarihli arXiv ön baskısı, 25 görevi üç aşamada topluyor: sıfırdan ajan oluşturma, üretimdeki ajan kod tabanlarını düzenleme ve ölçülebilir bir hedefe göre optimizasyon. Ajanlar geliştirme sırasında sınırlı örneklerle çalışıyor; teslim edilen sürüm daha sonra gereksinimlerden türetilen ölçütlerle ayrı tutulan vakalarda değerlendiriliyor.\n\nYazarlar, inceledikleri model ve araç düzeneklerinde hiçbir ajanın gereksinimi karşılayan teslimata yaklaşamadığını ve görünen örneklere aşırı uyum, çalışmayan çalışma zamanı parçaları ve kanıtsız tamamlanma iddiaları gibi tekrar eden sorunlar bulduklarını bildiriyor. Bu değerlendirme, yalnızca kodun düzgün görünmesini değil, üretilen ajanın belirtilen işi yapmasını sınamayı hedefliyor. Sonuçlar 25 görevli araştırma kıyaslamasına ve kullanılan değerlendiricilere bağlı; tüm kodlama ajanları ya da gerçek üretim kullanımı için evrensel bir hata oranı sağlamıyor.","title":"AgentSWE kıyaslaması, kodlama ajanlarının teslim ettiği araçları sınadı","topics":[],"translations":[{"api_url":"https://newsverum.com/api/v1/articles/agentswe-coding-agent-benchmark-requirement-fidelity-2026?lang=tr","language":"tr","url":"https://newsverum.com/tr/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026"},{"api_url":"https://newsverum.com/api/v1/articles/agentswe-coding-agent-benchmark-requirement-fidelity-2026?lang=en","language":"en","url":"https://newsverum.com/en/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026"},{"api_url":"https://newsverum.com/api/v1/articles/agentswe-coding-agent-benchmark-requirement-fidelity-2026?lang=ar","language":"ar","url":"https://newsverum.com/ar/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026"},{"api_url":"https://newsverum.com/api/v1/articles/agentswe-coding-agent-benchmark-requirement-fidelity-2026?lang=fr","language":"fr","url":"https://newsverum.com/fr/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026"},{"api_url":"https://newsverum.com/api/v1/articles/agentswe-coding-agent-benchmark-requirement-fidelity-2026?lang=es","language":"es","url":"https://newsverum.com/es/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026"},{"api_url":"https://newsverum.com/api/v1/articles/agentswe-coding-agent-benchmark-requirement-fidelity-2026?lang=de","language":"de","url":"https://newsverum.com/de/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026"},{"api_url":"https://newsverum.com/api/v1/articles/agentswe-coding-agent-benchmark-requirement-fidelity-2026?lang=pt","language":"pt","url":"https://newsverum.com/pt/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026"}],"url":"https://newsverum.com/tr/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026"},"version":"1"}