CMU 发布 CUA-SWE：让计算机使用 Agent 做可视化软件工程

卡内基梅隆大学发布 CUA-SWE，一个将计算机使用 Agent 与软件工程结合的基准、环境与评测流水线。基准覆盖四个软件工程领域，任务要求 Agent 修改代码与配置、执行命令、与运行中的应用交互并检查视觉反馈，且每项任务配有确定性的任务级测试验证正确性。评测还考察任务规格只能通过应用图形界面获取时前沿 Agent 能否完成，并分析成功修复对应的开发行为模式。