01
功能正确性
软件工程与终端
DeepSWE
代码库级软件任务，覆盖功能实现与问题修复。
参考基准 / 任务方向
任务内容
在真实代码库中完成软件工作。
要求 Agent 理解现有代码库和需求，完成代码修改并交付可运行结果。围绕目标软件工程能力确定任务覆盖与评测要求。
交付内容可包括
- 01
- Harbor 格式任务包：Markdown 说明与 task.toml 配置
- 02
- Docker 环境定义与代码库初始状态
- 03
- 参考解与可执行评测程序
如何评估任务
明确结果的评估方式
02
系统行为与集成结果
03
任务产物完整性
与 ASTRAFLUX 合作
你的模型
需要完成什么工作？
告诉我们目标能力、任务类型和交付要求，一起确定合适的项目与代表性任务。
联系我们 norman383@astraflux.space基准名称用于说明参考方向，具体任务范围与交付规格按项目确认。