SWE-Bench ProMax 基准亮相：聚焦多语言代码重构的智能体评测

一项名为 SWE-Bench ProMax 的新基准近期在 X 平台被公布，研究者将评测焦点从原版 SWE-Bench 的 Python 单语言场景，扩展到了大规模多语言代码重构任务，用于衡量智能体（agent）在真实软件工程情境下的能力。

基准定位与扩展方向

SWE-Bench 是当前业内被广泛引用的代码智能体基准之一，原版主要基于 Python 仓库的真实 GitHub issue 来考察模型解决 bug、修改代码的能力。ProMax 版本在标题中明确强调「Multilingual」与「Large-Scale」，暗示其数据集规模更大，并覆盖多种编程语言，力图更全面地反映智能体在跨语言工程任务中的表现，而非局限于单一语言生态。

对智能体评测的意义

随着各类编码助手和软件工程智能体快速发展，业界对评测基准的可信度、覆盖度提出更高要求。SWE-Bench ProMax 的出现可能带来以下影响：

• 推动智能体在 Java、Go、TypeScript、C++ 等更多语言上的能力被量化比较；
• 为大型代码仓库中的「重构」类任务提供独立评测维度，与修 bug 场景形成互补；
• 促使厂商在发布编码智能体时增加多语言重构表现披露。

尚待披露的关键信息

截至目前，该基准的论文链接已在 X 平台分享，但作者、机构、具体语言覆盖数量、任务规模、评测指标、初步结果等关键细节尚未在公开转述中给出，业界尚需等待论文正式发布或官方说明以确认其方法学严谨度与可比性。

小结

SWE-Bench ProMax 的命名延续并升级了已有基准的影响力，是面向多语言代码重构场景的智能体评测新尝试。在编码智能体竞争加剧的背景下，该基准有望成为新的参考标尺，但其实际权重仍取决于数据集质量、覆盖广度与社区采纳程度。