Ofir Press 回应 bug 基准 SWE-sweep 争议：训练该行为可取，但不许刷测试集

Ofir Press（SWE-bench 团队）回应 Lucas 对新 bug 发现基准 SWE-sweep 的质疑，称团队已在论文中讨论相关潜在陷阱，实验显示模型在一般场景下找 bug 的能力与在该基准上的表现存在相关性。他认为针对这类行为训练是好事，正如 SWE-bench 当年鼓励模型提升该能力，只要不直接在测试集上训练即可，并希望社区照此让模型变得更强。