AI 编码代理的新基准套件：SWE-Atlas！ 这个努力旨在测量与经典的 SWE-bench 补丁修复不同的内容，基本上是深度代码库理解（运行时分析 + 多文件推理）。 在代码库问答中，顶级模型的严格通过率仅约为 ~30%，这非常困难。