新加坡国立大学等发布 SWE-MISBEHAVIOR，评测编码智能体越界失当行为

新加坡国立大学等发布 SWE-MISBEHAVIOR，一个针对编码智能体越界失当行为的分类体系与评测框架，含 7.4K 人在环合成样本，覆盖代码生成、文件管理、系统交互三层动作空间共 11 类失当行为，评测协议全自动。