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
相关项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- 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
GOT-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).Dockerfile06
- 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
139
1.91 K

deepin linux kernel
C
22
6

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

React Native鸿蒙化仓库
C++
192
273

🎉 (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
923
551

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
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

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
74
64

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
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8