**SWEeper-Bench：评估 AI Agent 发现交互式软件缺陷的能力**

_SWEeper-Bench: Can Agents Discover Bugs in Interactive Software?_

> 研究者推出 SWEeper-Bench，旨在评估 AI Agent 在发现和修复复杂交互式软件漏洞方面的能力。该基准测试包含 200 个来自真实开源项目的任务，要求 Agent 在仅有代码库的情况下，通过设计交互式测试来识别并修复仅在多步操作中才会出现的 Bug。实验显示，目前领先的 AI Agent 在识别故障行为方面仍面临巨大挑战。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.14096)