METR-Studie: Etwa die Hälfte der KI-PRs, die SWE-bench Verified bestehen, wird nicht von Maintainern gemergt
Originaltitel:Many SWE-bench-Passing PRs Would Not Be Merged into Main
KI-Zusammenfassung
METR ließ 4 Maintainer von scikit-learn, Sphinx und pytest 296 KI-generierte PRs blind prüfen und stellte fest, dass etwa die Hälfte der Patches, die die automatische Bewertung von SWE-bench Verified bestehen, nicht in den Hauptzweig gemergt wird; nach Normalisierung an einer Goldstandard-Baseline lag die Merge-Rate der Maintainer im Durchschnitt 24,2 Prozentpunkte unter der automatischen Bewertung. Die Studie betont, dass KI-Patches nicht wie menschliche Entwickler iteratives Feedback erhalten, weshalb dies nicht als Leistungsobergrenze gelten sollte; die direkte Ableitung des praktischen Nutzens von Agenten aus Benchmark-Werten dürfte jedoch zu hoch greifen.
Kernpunkte
- METR ließ 4 Maintainer von scikit-learn,Sphinx und pytest 296 KI-generierte PRs blind prüfen und…
- nach Normalisierung an einer Goldstandard-Baseline lag die Merge-Rate der Maintainer im…
- Die Studie betont,dass KI-Patches nicht wie menschliche Entwickler iteratives Feedback…
- die direkte Ableitung des praktischen Nutzens von Agenten aus Benchmark-Werten dürfte jedoch zu…
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- METR:Notes(网页)
- Kategorie
- Papers & Forschung
- KI-Bewertung
- 62
研究用真实仓库维护者盲审 AI 补丁,量化了 SWE-bench 分数与实际可合并之间的差距,为解读编码基准提供了参照。
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: METR-Studie: Etwa die Hälfte der KI-PRs, die SWE-bench Verified bestehen, wird nicht von Maintainern gemergt. 10. März 2026. https://new.nat6.net/de/news/cmtym8yln0009rolseat7ohr1/