豆包大模型团队今日通过官方宣布，首个多语言类 SWE 数据集 Multi-SWE-bench 现已正式开源，可用于评估和提升大模型“自动修 Bug”能力。

　　在 SWE-bench 基础上，Multi-SWE-bench Multi-SWE-bench 旨在推动自动编程技术从仅能解决单一语言和低复杂度的任务，朝着支持多语言、具备真实问题解决能力的通用型智能体迈进。

　　SWE-bench 是当前最具代表性的代码修复评测基准，强调任务真实、难度高。它基于 GitHub issue，要求模型自动定位并修复 Bug，兼具跨文件修改、复杂语义推理与上下文理解等挑战。

　　Multi-SWE-bench 旨在补全现有同类基准语言覆盖方面的不足，系统性评估大模型在复杂开发环境下的“多语言泛化能力”，推动多语言软件开发 Agent 的评估与研究，其主要特性如下：

　　首次覆盖 7 种主流编程语言，构建多语言开发环境下的代码修复任务，系统评估模型的跨语言适应与泛化能力；

　　引入任务难度分级机制，将问题划分为简单、中等和困难三类，涵盖从一行修改到多文件、多步骤、多语义依赖的开发挑战；

　　1,632 个实例全部

　　附开源链接：

　　Multi-SWE-bench: A Multilingual Benchmark for Issue Resolving：

　　论文链接：

　　榜单链接：

　　代码链接：

　　数据链接：