Gemma 4 TFD Agentic Trajectories 智能体软件工程轨迹数据集

数据集概述

Gemma 4 Tfd Agentic Trajectories 是一个面向智能体软件工程任务的执行轨迹与基准评测数据集，围绕 Google Gemma 4 模型构建，旨在通过记录智能体解决软件工程问题时的执行过程与测试反馈，评估不同智能体策略在代码调试与修复任务中的表现。

该数据集基于 SWE-bench Lite 改编的任务构建，包含 50 个软件工程问题，提供多轮智能体执行轨迹、工具调用记录、自动化测试验证结果及不同智能体策略的基准评测数据。

数据集组成

• 智能体执行轨迹：记录智能体解决软件工程问题时的多轮交互、任务执行与代码修复过程，呈现从问题定位到修复验证的执行步骤；
• 工具调用记录：包含智能体执行过程中的工具调用信息，涉及代码搜索、文件操作和测试执行等步骤，可用于分析智能体的操作流程与执行策略；
• 测试反馈与验证结果：提供自动化单元测试反馈及验证信息，用于评估代码修改是否满足任务要求，以及智能体根据测试结果进行后续修正的过程；
• 基准评测数据：通过 benchmark_summary.csv 等文件，提供不同智能体策略的任务评测结果，包括标准 ReAct 和测试反馈驱动（TFD-Agent）等策略，用于比较任务解决率与执行效率；
• 评测与复现资源：提供智能体轨迹文件、基准评测数据及相关说明，支持智能体软件工程任务研究、策略对比和实验复现。