Agentless项目在SWE-bench lite测试中的性能复现问题分析
2025-07-10 09:00:56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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (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
861
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

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
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K