SWE-Serve 如何揭示本地测试与实时服务之间的差距

NVIDIA 联合 SGLang 团队推出 SWE-Serve，用 53 个源自 SGLang 已合并 PR 的任务评测推理服务栈的仓库级改动。在 19 个含实时服务检查的任务中，同一批 patch 排除这些检查时通过率 69.4%，启用完整验证器后仅 45.9%，约三分之一 patch 因此失败。该基准覆盖 6 类推理工程任务，12 个跑在 CPU、41 个用单张 NVIDIA H100。