小红书发布 SWE-Bench Mobile：当 AI Agent 面对亿级用户 App 代码库，最高通过率仅12%？

小红书发布移动端代码库基准测试 SWE-Bench Mobile，用于评估 AI Agent 修复亿级用户 App 代码库中 bug 的能力。测试结果显示，当前最高通过率仅为12%。