# AgentSWE-Benchmark prüft, was Programmieragenten tatsächlich liefern

> Der arXiv-Preprint beschreibt 25 Aufgaben zu Agentenerstellung, Bearbeitung bestehender Codebasen und Optimierung auf ein Ziel.

- Kanonische URL: https://newsverum.com/de/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026
- Herausgeber: Newsverum
- Rubrik: Technologie
- Land: China
- Veröffentlicht: 2026-10-13T10:04:09+00:00
- Aktualisiert: 2026-10-13T10:04:09+00:00
- Ereignis- oder Datenzeitraum: 2026-10-09
- Weitere Ausgaben: [Türkçe](https://newsverum.com/tr/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026.md), [English](https://newsverum.com/en/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026.md), [العربية](https://newsverum.com/ar/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026.md), [Français](https://newsverum.com/fr/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026.md), [Español](https://newsverum.com/es/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026.md), [Português](https://newsverum.com/pt/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026.md)

Forschende mit Verbindung zur Beijing Academy of Artificial Intelligence und Partnereinrichtungen haben AgentSWE veröffentlicht. Das Benchmark soll messen, ob ein Programmieragent einen weiteren Agenten erstellt, der eine natürlichsprachliche Anforderung erfüllt. Der auf den 9. Oktober datierte arXiv-Preprint umfasst 25 Aufgaben in drei Phasen: Agenten von Grund auf erstellen, Codebasen produktiv genutzter Agenten bearbeiten und auf ein messbares Ziel hin optimieren. Beim Erstellen stehen nur wenige Beispiele zur Verfügung; die Lieferung wird anschließend anhand zurückgehaltener Fälle und aus den Anforderungen abgeleiteter Kriterien geprüft.

Die Autoren berichten, dass keine der untersuchten Kombinationen aus Modell und Ausführungsrahmen nahe daran kam, die Anforderungen zu erfüllen. Ihre Analyse findet wiederkehrende Probleme: Überanpassung an sichtbare Beispiele, Laufzeitumgebungen ohne die versprochene Funktion und unbelegte Fertigmeldungen. Das Benchmark prüft damit, ob der gebaute Agent seine Aufgabe erfüllt, statt nur den Eindruck vollständigen Codes zu erwecken. Die Befunde gelten für die 25 Forschungsaufgaben und die im Preprint beschriebenen Prüfverfahren; sie belegen keine allgemeine Fehlerquote für Programmieragenten oder produktive Einsätze.

## Daten

### Anzahl der Aufgaben und Phasen im AgentSWE-Preprint

Anzahl der Aufgaben und Lebenszyklusphasen, die den Benchmark-Umfang festlegen.

Methodik: Die Studie verteilt 25 Aufgaben auf Erstellung, Bearbeitung und Optimierung; die Zahlen gelten nur für dieses Forschungsbenchmark.

| Messgröße | Wert |
|---|---|
| AgentSWE-Aufgaben | 25 |
| Phasen Erstellung, Bearbeitung und Optimierung | 3 |

Quellen: <https://arxiv.org/abs/2610.13361> · Daten herunterladen: [JSON](https://newsverum.com/api/v1/articles/agentswe-coding-agent-benchmark-requirement-fidelity-2026/data/benchmark-scope-counts?lang=de&format=json) · [CSV](https://newsverum.com/api/v1/articles/agentswe-coding-agent-benchmark-requirement-fidelity-2026/data/benchmark-scope-counts?lang=de&format=csv)

## Quellen

- [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](<https://arxiv.org/abs/2610.13361>) (Quelle geprüft: 2026-10-13; Veröffentlicht: 2026-10-09)

---

Zitieren Sie die oben angegebene kanonische URL. [Redaktionsstandards und Korrekturen](https://newsverum.com/de/editorial)