引言

近年，代码智能体快速从代码补全迈向真实软件工程任务。SWE-bench Verified、SWE-Bench Pro 等基准通常基于真实 GitHub Issue 构造任务，要求智能体按照开发者提供的问题报告生成修复补丁。

然而，这类基准建立在一个理想化假设之上：始终存在准确、完整的问题报告。现实中的报告通常事后产生、获取成本高，并且可能模糊或缺失。因此，一个更具现实意义的问题是：

如果没有问题报告，甚至没有明确的修复目标，代码智能体能否主动检查代码、发现并修复漏洞？

为回答这一问题，四川大学、电子科技大学等机构提出 Active-SWE，首次将评测从“被动修复”推进到“主动修复”。该基准包含 1,663 个真实仓库级任务，覆盖 87 个开源项目、8 种编程语言和 6 类软件漏洞。

• 论文： Active-SWE: Benchmarking Coding Agents for Proactive Bug Fixing Without Issue Reports
• 项目主页： https://hbinli.github.io/Active-SWE/
• arXiv： https://arxiv.org/abs/2608.04682
• 数据集： https://huggingface.co/datasets/XLearning-SCU/Active-SWE

创新与贡献

• 任务范式转变： 将代码智能体评测从被动式漏洞修复推进到主动式漏洞修复，构建了 1,663 个真实仓库级任务。
• 全面评测机制： 提出新的基准构建流程和双轨评测框架，从任务难度与评估范围两个维度拓展主动漏洞修复能力的评估。
• 揭示能力瓶颈： 对前沿模型的系统评测表明，即使当前先进的代码智能体，在主动发现并修复漏洞方面仍存在明显不足。

图 1. 被动式漏洞修复依赖难以获取且质量不一的问题报告；主动式漏洞修复则要求智能体自主审查文件、定位漏洞并生成补丁。Active-SWE 从任务难度和评估范围两个维度拓展了评测。

任务定义

对于一个主动漏洞修复任务，记代码仓库快照为 $r_i$，待审查文件集合为 $\mathcal{F}_i$，其中包含的已记录漏洞为 $\hat{\mathbf{b}}_i$，统一漏洞修复指令为 $\mathcal{T}_R$，待评测代码智能体为 $\mathcal{L}$。