从跨仓开发到推理服务的编码代理系统级评测
CrossSWE 用真正需要多仓联合修改的任务评测 Coding Agent 的接口一致性;ServerBench 让 Agent 从头设计 LLM 推理服务,以有状态请求、GPU 成本和独立验证检验优化成果。两篇论文共同推进从单仓 Patch 到系统级工程交付的评测边界。
CrossSWE 用真正需要多仓联合修改的任务评测 Coding Agent 的接口一致性;ServerBench 让 Agent 从头设计 LLM 推理服务,以有状态请求、GPU 成本和独立验证检验优化成果。两篇论文共同推进从单仓 Patch 到系统级工程交付的评测边界。