论文提出 Agent Retrieval Bench，将编码代理的“先找对文件、再生成补丁”作为独立评测问题。基准包含 25 个仓库、427 个样本、392,000 个文件和 790 万个代码块，覆盖代码到测试、注释到上下文、调用轨迹到代码、编辑到影响传播等任务。结果显示不同检索器各有优势，且代理日志在 27%–35% 的样本中完全漏掉金标准文件。
最近 24 小时暂无可用热度快照。