針對 AI 編碼代理的新基準套件：SWE-Atlas！ 這項努力旨在測量與經典的 SWE-bench 補丁修復不同的東西，基本上是深度代碼庫理解（運行時分析 + 多檔案推理）。 在代碼庫問答中，使用頂尖模型的通過率大約只有 ~30%。