**SWE-bench Science:编码代理能否解决科学工程任务?**

_SWE-bench Science: Can Coding Agents Resolve Engineering Tasks in Science?_

> 研究团队推出SWE-bench Science基准测试,涵盖20个科学领域的119个任务,用于评估编码代理在科学软件工程中的能力。最佳代理Claude Code with Opus-5的通过率不足50%。研究发现科学指导并非总是有益:信息充分时可提升性能,但对齐不当的引导反而会导致锚定效应。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-08-21 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2608.19799)