35
0我们常用“这个 Bug 修好了没”来评价 Coding Agent，但这篇论文提醒我们：修代码之前，还有一个更基础的问题，Agent 到底有没有找到该看的代码？SWE-Explore 把代码库探索单独拆出来评测，让 Agent 在固定行数预算内返回最相关的代码区域。结果显示，现代 Agent 已经比较会找到相关文件，但真正拉开差距的是能不能定位到关键代码行，并把有限上下文用得足够高效。
这篇论文把 coding agent 的能力拆开了：不是只看最终 patch 是否通过测试，而是专门测“探索代码库”的能力。
数据集覆盖 848 个 issue、203 个开源仓库、10 种编程语言，任务是返回排序后的相关代码区域。
它用成功修复 issue 的 agent 轨迹来构造 line-level ground truth，也就是“成功路径里真正看过哪些关键代码”。
一个很适合讲的发现：现代方法的文件级定位已经不错，但行级覆盖、排序和上下文效率仍然是短板。
这对做 coding agent 很有启发：提升修复率不一定只靠更强模型，也可能要先提升检索、导航和上下文选择。
