普林斯顿发布 SWEeper-Bench：最强 Agent 也只能解 59% 的交互式 bug

普林斯顿发布 SWEeper-Bench，首次评测编码 Agent 主动发现交互依赖缺陷的能力，最强 Agent 也仅解出 59% 的交互式 bug。现有基准默认 bug 已被发现，而许多缺陷只有在多步交互后才暴露，该基准正针对这一空白。