举例:DeepSWE v1.1 中 verifier 丢弃 agent 对测试文件的改动却未告知模型,导致大量误判失败

这些报告里有很多很好的例子。

比如:在 DeepSWE v1.1 中,verifier 会丢弃 agent 对某些测试文件所做的修改。但模型并不知道会发生这种情况!于是导致了各种「不相关」的失败…… https://t.co/Oi7fg78C2t