01
功能正确性
软件工程与终端
SWE-Marathon
长程软件工程任务，覆盖完整系统实现、集成与故障恢复。
参考基准 / 任务方向
任务内容
围绕相互关联的需求，构建与修复完整系统。
要求 Agent 在相互关联的组件中完成需求实现、集成修改与系统维护，覆盖系统构建和故障处理等长程工程工作。
交付内容可包括
- 01
- Harbor 格式任务包：Markdown 说明与 task.toml 配置
- 02
- Docker 环境定义与任务输入
- 03
- 参考解与可执行验收测试
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
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。