SWE-Duel：迈向面向编程智能体的自扩展竞技场

SWE-Duel 提出自扩展的编程智能体竞技场：两个智能体以镜像 Red-Blue 轮次互相出题与评审，任务与判定标准在评测时生成，避免提前泄漏。11 个模型-harness 组合在 15 个仓库对战 1500 轮，GPT-5.5 修复 98.3% 缺陷居首，Claude Opus 4.8 以 27.3% Red 胜率居次。