Longtail-SWE：面向低资源编程语言的高质量软件工程任务基准

Longtail-SWE 是一个新发布的软件工程任务数据集，聚焦于现有 SWE 基准很少覆盖的低资源编程语言。论文指出，SWE-bench 等主流基准几乎全部由 Python 和 JavaScript 任务构成，导致模型在这些语言上的真实编程能力缺乏可靠评测手段。 该数据集以 issue-PR 配对的形式构建任务，每个任务附带可运行的测试用例用于自动验证补丁正确性，延续 SWE-bench 的评测范式并扩展到长尾语言。构建流程强调任务质量筛选，剔除测试缺失或描述不清的样本。 对研究者而言，这为检验模型在 Rust、Haskell 等语言的代码生成与修复能力提供了参照，也暴露了当前模型训练数据分布偏向主流语言的问题。