字节跳动发布Multi-SWE-bench：首个用于评估大模型自动修复Bug能力的多语言数据集

4月10日，字节跳动豆包大模型团队正式发布了Multi-SWE-bench，这是一个全新的多语言类SWE数据集，旨在评估和提升大模型的自动修复Bug能力。该数据集基于SWE-bench构建，首次涵盖了除Python以外的7种主流编程语言，成为真正面向全栈工程的评测基准。Multi-SWE-bench的数据来源于GitHub issue，经过近一年的时间精心构建，旨在准确地评估和提高大模型的高阶编程智能水平。