中文简介
datacurve/deep-swe 是 datacurve 在 Hugging Face 发布的数据集仓库，当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 6d6f134460c1，同步到 800 个文件，文件元数据合计 3.01 MB；访问状态为“需要申请”，许可证字段为“上游卡片未声明”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 datacurve/deep-swe 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。
【资源概览】
datacurve/deep-swe 是 datacurve 在 Hugging Face 发布的数据集仓库，当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 6d6f134460c1，同步到 800 个文件，文件元数据合计 3.01 MB；访问状态为“需要申请”，许可证字段为“上游卡片未声明”。
【适用方向】
适合评估代码生成、仓库级理解、软件工程智能体和开发辅助流程。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。
【版本与规格】
固定版本：6d6f134460c1。 任务标签：上游卡片所列任务。 语言字段：en。 数据集卡名称：DeepSWE。 规模分类：n<1K。 上游页面记录的最近更新时间：2026-06-02。
【文件信息】
上游 API 返回 800 个文件，文件元数据合计 3.01 MB。 已保存文件清单中的主要扩展名：.patch 27 个、.sh 27 个、无扩展名 16 个、.md 15 个、.toml 13 个、.parquet 1 个。 当前较大的文件包括：data/test-00000-of-00001.parquet（1.50 MB）；tasks/arcane-drift-detection-baselines/tests/test.patch（76.18 KB）；tasks/bandit-interprocedural-taint-checks/tests/test.patch（72.63 KB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。
【运行或处理环境】
仓库文件元数据合计 3.01 MB。仅按下载、解压和临时文件估算，建议至少预留约 3.61 MB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。
【使用边界】
上游卡片没有提供明确许可证字段，下载、训练、商用或再分发前必须打开原始仓库确认授权条件。 该仓库需要由用户本人按上游要求申请访问，是否批准及何时批准由资源权利方决定。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。
DeepSWE DeepSWE is a benchmark for measuring frontier coding agents on original, long-horizon software engineering tasks drawn from active open-source repositories. The benchmark includes 113 tasks across TypeScript, Go, Python, JavaScript, and Rust, with isolated environments and program-based verifiers. Task format DeepSWE tasks use the Harbor task format: task.toml Metadata: repository, base commit, language, prebuilt image, resource limits instruction.md The prompt the agent sees environment/ Dockerfile that reproduces the prebuilt image (fallback if the image is unavailable) tests/ Verifier: test.sh (entry point) + test.patch (test additions, applied at grading time) solution/ Reference solution (held out from the agent; for human and AI reviewers) The verifier exercises the behavior the prompt describes. It accepts any solution whose observable behavior is correct, regardless of internal symbol names or structure. The reference patch in solution/ is never used at grading time; it exists so reviewers can spot-check correctness offline. Quickstart Use Pier to run the benchmark: git clone https://github.com/datacurve-ai/deep-swe uv tool install datacurve-pier Claude Opus 4.7 via Claude Code export ANTHROPIC_API_KEY=... pier run -p deep-swe/tasks --agent mini-swe-agent --model anthropic/claude-opus-4-7 GPT-5.5 via Codex export OPENAI_API_KEY=... pier run -p deep-swe/tasks --agent mini-swe-agent --model openai/gpt-5.5 What is Pier Pier is a Harbor-compatible framework for sandboxed coding-agent evals. It began as a fork of Harbor to support CLI agents in air-gapped tasks: Harbor blocks all outbound traffic in allow_internet = false tasks, including dependency installs and LLM API calls. Pier adds per-agent network allowlists, giving agents only the network access they need while keeping the task environment isolated. Pier also adds more complete trajectory metadata, a better trajectory viewer, and pier critique run for analyzing agent trajectories. All leaderboard
适用场景
适合评估代码生成、仓库级理解、软件工程智能体和开发辅助流程。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。
规模与格式
固定版本：6d6f134460c1。 任务标签：上游卡片所列任务。 语言字段：en。 数据集卡名称：DeepSWE。 规模分类：n<1K。 上游页面记录的最近更新时间：2026-06-02。
文件说明
上游 API 返回 800 个文件，文件元数据合计 3.01 MB。 已保存文件清单中的主要扩展名：.patch 27 个、.sh 27 个、无扩展名 16 个、.md 15 个、.toml 13 个、.parquet 1 个。 当前较大的文件包括：data/test-00000-of-00001.parquet（1.50 MB）；tasks/arcane-drift-detection-baselines/tests/test.patch（76.18 KB）；tasks/bandit-interprocedural-taint-checks/tests/test.patch（72.63 KB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。
上游文件元数据
.gitattributes2.45 KB.gitignore5 Bdata/test-00000-of-00001.parquet1.50 MBeval.yaml243 BREADME.md3.22 KBtasks/abs-module-cache-flags/environment/Dockerfile259 Btasks/abs-module-cache-flags/instruction.md2.46 KBtasks/abs-module-cache-flags/solution/solution.patch23.16 KBtasks/abs-module-cache-flags/solution/solve.sh104 Btasks/abs-module-cache-flags/task.toml1.02 KBtasks/abs-module-cache-flags/tests/test.patch29.92 KBtasks/abs-module-cache-flags/tests/test.sh3.78 KB
硬件建议
仓库文件元数据合计 3.01 MB。仅按下载、解压和临时文件估算，建议至少预留约 3.61 MB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。
注意事项
上游卡片没有提供明确许可证字段，下载、训练、商用或再分发前必须打开原始仓库确认授权条件。 该仓库需要由用户本人按上游要求申请访问，是否批准及何时批准由资源权利方决定。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。
获取、校验与交付
咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。
本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。