品玩4月10日讯，据 AIBASE 报道，字节跳动豆包大模型团队宣布开源Multi-SWE-bench，这是业内首个多语言代码修复基准数据集，为大模型“自动修Bug”能力的评估与提升带来新突破。

在大模型技术快速发展的当下，代码生成任务成为检验模型智能的关键领域。以SWE-bench为代表的代码修复基准，虽能衡量模型的编程智能，但存在明显局限。其仅聚焦Python语言，无法评估模型跨语言泛化能力;且任务难度有限，难以覆盖复杂开发场景，制约了大模型代码智能的进一步发展。

Multi-SWE-bench应运而生，它在SWE-bench基础上实现重大跨越，首次覆盖Java、TypeScript、C、C++、Go、Rust和JavaScript等7种主流编程语言，构建了1632个源于真实开源仓库的修复任务。这些任务经过严格筛选与人工验证，确保质量可靠。同时，Multi-SWE-bench引入难度分级机制，分为简单、中等、困难三类，能更全面评估模型在不同能力层次的表现。