SWE-bench 开源项目教程
2024-08-10 10:03:53作者:余洋婵Anita
项目介绍
SWE-bench 是一个用于评估大型语言模型在解决真实世界 GitHub 问题的基准测试。该项目收集了来自 GitHub 的实际软件问题,并要求语言模型生成能够解决这些问题的补丁。SWE-bench 的目标是提供一个标准化的评估框架,以便研究人员和开发者可以比较不同语言模型在实际软件工程任务上的性能。
项目快速启动
安装 Docker
SWE-bench 使用 Docker 进行可重复的评估。首先,您需要在您的机器上安装 Docker。以下是安装步骤:
# 在 Linux 上安装 Docker
sudo apt-get update
sudo apt-get install docker.io
# 验证 Docker 安装
sudo docker --version
克隆项目并运行评估
接下来,克隆 SWE-bench 项目并运行评估:
# 克隆项目
git clone https://github.com/princeton-nlp/SWE-bench.git
cd SWE-bench
# 安装依赖
pip install -e .
# 运行评估
python -m swebench harness run_evaluation \
--predictions_path gold \
--max_workers 1 \
--instance_ids sympy__sympy-20590 \
--run_id validate-gold
应用案例和最佳实践
应用案例
SWE-bench 可以用于评估和改进语言模型在软件工程任务上的性能。例如,开发者可以使用 SWE-bench 来测试他们的模型是否能够有效地解决实际的代码问题,从而提高模型的实用性和可靠性。
最佳实践
- 数据集选择:根据您的需求选择合适的数据集进行评估。SWE-bench 提供了多个预处理的数据集,包括不同规模的 "Oracle" 和 "Llama" 数据集。
- 模型微调:使用 SWE-bench 提供的预处理数据集对您的模型进行微调,以提高模型在特定任务上的性能。
- 持续评估:定期使用 SWE-bench 对您的模型进行评估,以监控模型的性能变化并及时调整。
典型生态项目
SWE-Llama
SWE-Llama 是 SWE-bench 生态中的一个重要项目,它是一个基于大型语言模型的代码生成工具。SWE-Llama 可以用于生成高质量的代码补丁,帮助开发者快速解决代码问题。
SWE-helper
SWE-helper 是一个用于自动化软件工程任务的辅助工具。它结合了 SWE-bench 的评估框架和先进的语言模型技术,可以自动识别和解决代码问题,提高开发效率。
通过以上模块的介绍和实践,您可以更好地理解和使用 SWE-bench 开源项目,从而提升您在软件工程领域的研究和开发能力。
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
860
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