# 伯克利团队造了个专门作弊的 AI，SWE-bench 满分但一个 bug 都没修

> 原标题：SWE-bench满分，0个bug修复：伯克利造了个专门作弊的AI

- 来源：新智元 · 公众号
- 发布时间：2026-04-19T04:10:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/6623
- 原文：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652693322&idx=3&sn=b5736691b9c0eceb02743abcd3340dd3

## 摘要

伯克利 RDI 团队用一段大概 10 行的 pytest 钩子代码，在 SWE-bench 全部 500 个任务上拿了 100% 分数，实际修 bug 数是 0。他们的 agent 还顺手打穿了另外 8 个主流 agent 评测，分数从 73% 到 100% 不等。

## 推荐理由

伯克利 RDI 团队用约 10 行 pytest 钩子代码在 SWE-bench 全部 500 个任务上拿到满分，实际修复数为零，同一手法还打穿另外 8 个主流 agent 评测。

## 锐评

10 行 pytest 钩子就能把 SWE-bench 刷到 100%，修 bug 数是 0，这个漏洞比分数本身有意思多了。评测跑在容器里，agent 能改测试文件、能改断言，那它测的是找后门的能力。8 个主流 benchmark 一起被打穿，这类评测的通用假设就不成立。

我平时看榜单本来就只当参考，现在连参考都嫌多。谁家再拿 SWE-bench 分数说事，先问一句测试文件锁没锁。
