上海交通大学を含む国際チームが新たなベンチマークツール「SWE-Explore」を発表。コード検索と修正段階を分離評価し、AIコーディングエージェントの「行レベル精度」の弱点を初めて定量化。従来の「最終修正率」のみに依存する単一評価モデルを打破し、上流検索品質を測る新基準を提供。AIソフトウェア工学評価の深層化を促進する。....