SWE-bench_Lite

概述

SWE-bench Lite 是 SWE-bench 的一个精选子集，包含来自 11 个热门 Python 仓库的 300 个 Issue-Pull Request 配对。它为评估自动化软件工程能力提供了一个更易上手的入口。

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：300 个精心挑选的测试实例

主要特性

• 包含 300 个测试用的 Issue-Pull Request 配对

• 覆盖 11 个热门 Python 仓库

• 真实世界的缺陷及其已验证的解决方案

• 通过单元测试进行评估验证

• 相比完整版 SWE-bench 更易于管理，但仍具挑战性

评估说明

• 评估前需先安装 pip install swebench==4.1.0

• 每个仓库的 Docker 镜像会自动构建或拉取

• 详细设置说明请参阅 使用文档

• 是用于初步模型对比的常用基准变体

属性

属性	值
基准测试名称	swe_bench_lite
数据集ID	princeton-nlp/SWE-bench_Lite
论文	N/A
标签	Coding
指标	acc
默认示例数	0-shot
评估分割	test

数据统计

统计数据暂不可用。

样例示例

样例示例暂不可用。

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_lite \
    --limit 10  # 正式评估时请移除此行

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_lite'],
    dataset_args={
        'swe_bench_lite': {
            # extra_params: {}  # 使用默认额外参数
        }
    },
    limit=10,  # 正式评估时请移除此行
)

run_task(task_cfg=task_cfg)