Agentless项目在SWE-bench lite测试中的性能复现问题分析
2025-07-10 14:43:09作者:庞眉杨Will
背景介绍
Agentless是一个开源代码修复工具,最新发布的1.5版本在SWE-bench lite测试集上声称达到了32%的修复通过率。然而,有用户在尝试复现这一结果时遇到了困难,仅能获得26%-29.67%的通过率,这表明在复现过程中可能存在一些关键步骤的误解。
问题核心
用户在复现Agentless 1.5版本的SWE-bench lite测试结果时,采用了合并40个样本输出文件的方法,这实际上是不正确的处理方式。正确的做法应该是保持样本文件的独立性,并通过rerank.py脚本的特定参数配置来处理多个样本文件夹。
正确使用方法
根据项目维护者的说明,正确的执行流程应该是:
- 保持四个修复样本文件夹(repair_sample_1到repair_sample_4)的独立性
- 使用rerank.py脚本时,通过逗号分隔的方式指定所有样本文件夹路径
- 设置num_samples参数为40(总样本数)
- 启用deduplicate(去重)、regression(回归)和reproduction(复现)标志
具体命令格式如下:
python agentless/repair/rerank.py \
--patch_folder results/swe-bench-lite/repair_sample_1/,results/swe-bench-lite/repair_sample_2/,results/swe-bench-lite/repair_sample_3/,results/swe-bench-lite/repair_sample_4 \
--num_samples 40 \
--deduplicate \
--regression \
--reproduction
技术要点解析
-
样本独立性:每个样本文件夹中的输出文件应保持独立,不应手动合并。rerank.py脚本内部会处理多个样本的集成。
-
参数含义:
- deduplicate:去除重复的修复方案
- regression:考虑回归测试结果
- reproduction:确保修复方案的可复现性
-
性能差异原因:手动合并样本文件可能导致信息丢失或处理逻辑错误,从而影响最终的修复质量评估结果。
最佳实践建议
- 严格按照项目文档中的说明进行操作
- 保持原始样本文件夹结构不变
- 使用完整的参数配置调用rerank.py脚本
- 对于大型测试集,可以考虑使用分布式处理来提升效率
总结
正确使用Agentless工具链对于获得预期的性能结果至关重要。通过理解工具的设计原理和遵循正确的操作流程,开发者可以准确复现项目声称的性能指标,并在此基础上进行进一步的优化和定制开发。
登录后查看全文
热门项目推荐
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0269get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java00AudioFly
AudioFly是一款基于LDM架构的文本转音频生成模型。它能生成采样率为44.1 kHz的高保真音频,且与文本提示高度一致,适用于音效、音乐及多事件音频合成等任务。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile08
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K

deepin linux kernel
C
22
6

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
980
395

React Native鸿蒙化仓库
C++
192
274

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
931
555

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
518

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0