WideSWE 用 120 个跨仓库任务测编码智能体：最高仅解出 42.50%，联合执行比独立执行更省请求
研究者从 103 个软件生态、1,729,171 条 PR 中筛出 120 个需要跨多个仓库协同改动的真实任务（60 个缺陷修复、60 个新功能），评测七种编码智能体配置，完整任务成功率介于 10.83% 与 42.50% 之间，最高为 Codex CLI 搭配 GPT-5.6-sol，并发现联合执行与逐仓库独立执行各有得失。
研究者从 103 个软件生态、1,729,171 条 PR 中筛出 120 个需要跨多个仓库协同改动的真实任务（60 个缺陷修复、60 个新功能），评测七种编码智能体配置，完整任务成功率介于 10.83% 与 42.50% 之间，最高为 Codex CLI 搭配 GPT-5.6-sol，并发现联合执行与逐仓库独立执行各有得失。
已读完全部报道