SWE-bench_Verified_mini

概述

SWE-bench Verified Mini 是 SWE-bench Verified 的一个紧凑子集，包含 50 个精心挑选的样本，在保持与完整数据集相同的性能分布、测试通过率和难度的同时，仅需 5GB 存储空间（而非 130GB）。

任务描述

• 任务类型：自动化软件工程 / 缺陷修复

• 输入：带有仓库上下文的 GitHub Issue 描述

• 输出：解决该 Issue 的代码补丁（diff 格式）

• 规模：50 个样本（完整 Verified 集合为 500 个）

主要特性

• SWE-bench Verified 的代表性 50 样本子集

• 与完整数据集具有相同的难度分布

• 存储需求大幅降低（5GB vs 130GB）

• 非常适合快速评估和开发迭代

• 在基准测试中保持统计有效性

评估说明

• 评估前需先安装 pip install swebench==4.1.0

• Docker 镜像会自动构建或拉取

• 详细设置请参阅 使用文档

• 适用于快速原型设计和模型初步评估

属性

属性	值
基准测试名称	swe_bench_verified_mini
数据集ID	evalscope/swe-bench-verified-mini
论文	N/A
标签	Coding
指标	acc
默认示例数	0-shot
评估划分	test

数据统计

统计数据不可用。

样例示例

样例示例不可用。

提示模板

提示模板：

{question}

额外参数

参数	类型	默认值	描述
build_docker_images	bool	True	为每个样本在本地构建 Docker 镜像。
pull_remote_images_if_available	bool	True	在构建前尝试拉取已存在的远程 Docker 镜像。
inference_dataset_id	str	princeton-nlp/SWE-bench_oracle	用于获取推理上下文的 Oracle 数据集 ID。
force_arch	str	``	可选地强制为特定架构拉取/构建 Docker 镜像。选项：['', 'arm64', 'x86_64']

使用方法

使用 CLI

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets swe_bench_verified_mini \
    --limit 10  # 正式评估时请删除此行

使用 Python

from evalscope import run_task
from evalscope.config import TaskConfig

task_cfg = TaskConfig(
    model='YOUR_MODEL',
    api_url='OPENAI_API_COMPAT_URL',
    api_key='EMPTY_TOKEN',
    datasets=['swe_bench_verified_mini'],
    dataset_args={
        'swe_bench_verified_mini': {
            # extra_params: {}  # 使用默认额外参数
        }
    },
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)