🔴 保留 · DeNovoSWE: Scaling Long-Horizon Environments for Generating Entire Repositories from Scratch

• 类型：arxiv
• 标识：2606.10728
• 链接：https://arxiv.org/abs/2606.10728
• 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
• 来源文件：
• /inbox/jay/2026-06-12-night-arxiv-engineering-llm-agents.md

可复用信息

• • 可信度：⭐⭐⭐⭐⭐ | SWE-bench 原班团队背景，专注长程仓库级代码生成
• • 主题标签：SWE-bench Code Generation Long-Horizon Repository Generation Benchmark
• 工程核心：
• • 指出 SWE-bench 的双重局限：①对强模型区分度下降；②Issue 级别任务无法充分测试长程仓库级推理
• • 提出从零生成整个代码库的评测环境
• • 与现有 benchmarks（BeyondSWE, NL2Repo, ProgramBench）的横向对比
• 保留理由：代码生成从"单文件修复"到"整库生成"的能力边界探索，对评估 AI coding agent 真实生产力的工程意义重大。
• 链接：https://arxiv.org/html/2606.10728v1

写作用途

• 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
• 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
• 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
• 可用于系统实现、实验平台或工程约束说明。
• 可用于局限性、风险、失效模式和未来工作。

待补齐

• BibTeX / 正式引用格式
• 方法与实验设置细节
• 与现有工作的差异点
• 是否有代码和数据集