SWE-Explore

SWE-Explore 把 coding agent 的仓库探索从最终修 bug 成功率中拆出来，要求 explorer 在固定 line budget 内返回相关代码区域的排序列表。benchmark 覆盖 10 种语言、203 个开源仓库、848 个 issues，line-level ground truth 来自成功解题 agent 轨迹中实际参考过的代码区域。它显示现代方法 file-level localization 已经较强，真正区分能力的是 line-level coverage 和高效排序。