SWE-Serve揭示本地测试与实际服务的差距

SWE-Serve是一个针对推理服务软件的新基准测试，包含53个源自SGLang的任务。研究发现，在19个含实时服务验证的任务中，补丁通过率从69.4%降至45.9%，约三分之一通过本地测试的补丁在实时服务环节失败。11...