豆包大模型團隊正式宣布，首個面向多語言開發環境的代碼修復評測基準 Multi-SWE-bench 已開源。

　　該數據集擴展了 SWE-bench 的能力，首次覆蓋 Python 之外的 7 種主流編程語言(Java、Go、Rust、C、C++、TypeScript、JavaScript)，構建了真實的跨語言代碼修復任務。Multi-SWE-bench 包含 1,632 個實例，均來自 GitHub issue，并經過專業開發者審核，具備清晰問題描述與可復現測試環境。

　　其引入的任務難度分級機制，涵蓋從簡單修改到復雜多文件操作，旨在系統評估大模型的多語言泛化能力，推動自動編程技術向支持多語言、解決真實問題的通用智能體邁進。