# AgentSWE kıyaslaması, kodlama ajanlarının teslim ettiği araçları sınadı

> ArXiv ön baskısı; ajan oluşturma, mevcut kodu düzenleme ve hedefe göre iyileştirmeyi kapsayan 25 görev tanımlıyor.

- Kalıcı adres: https://newsverum.com/tr/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026
- Yayıncı: Newsverum
- Bölüm: Teknoloji
- Ülke: Çin
- Yayın: 2026-10-13T10:04:09+00:00
- Güncelleme: 2026-10-13T10:04:09+00:00
- Olay / veri dönemi: 2026-10-09
- Diğer sürümler: [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), [Deutsch](https://newsverum.com/de/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026.md), [Português](https://newsverum.com/pt/news/agentswe-coding-agent-benchmark-requirement-fidelity-2026.md)

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.

## Veriler

### Ön baskıdaki AgentSWE görev ve aşama sayıları

Kıyaslamanın kapsamını belirleyen görev ve yaşam döngüsü aşaması adetleri.

Yöntem: Makale 25 görevi oluşturma, düzenleme ve optimizasyon aşamalarına ayırır; sayımlar yalnızca bu araştırma kıyaslamasına aittir.

| Ölçüm | Değer |
|---|---|
| AgentSWE görevleri | 25 |
| Oluşturma, düzenleme ve optimizasyon aşamaları | 3 |

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

## Kaynaklar

- [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>) (Kaynak kontrolü: 2026-10-13; Yayın: 2026-10-09)

---

Alıntı için yukarıdaki kalıcı adresi kullanın. [Yayın ilkeleri ve düzeltmeler](https://newsverum.com/tr/editorial)