Rohan Paul (@rohanpaul_ai)T2·智能体与协同
78 分
TokenWave AI 发布 SWE-CoWork 基准,将编码智能体置于模拟职场中,82% 的需求分散在队友手中,智能体必须主动询问才能获知任务内容。在 101 个真实开源仓库任务上,最强模型单项检查通过率约 63%,但完整交付的仅 8 项,暴露出长周期协作与信息获取是当前智能体的核心短板。
专注 AI 智能体评测与研究的机构,SWE-CoWork 基准发布方
TokenWave AI 发布 SWE-CoWork 基准,将编码智能体置于模拟职场中,82% 的需求分散在队友手中,智能体必须主动询问才能获知任务内容。在 101 个真实开源仓库任务上,最强模型单项检查通过率约 63%,但完整交付的仅 8 项,暴露出长周期协作与信息获取是当前智能体的核心短板。