SWE-Duel：面向编码智能体的自扩展对战评测框架

SWE-Duel 提出一种自扩展的编码智能体评测竞技场，任务与判定在评估时生成，避免静态基准的数据泄漏与饱和问题。两个编码智能体在镜像的红蓝回合中互评：红方在真实仓库上实现新功能并植入隐蔽 bug，蓝方在不知情的情况下审查该 PR，随后双方交换角色。