Real-SWE

企业技术选型负责人在为内部私有代码库挑选编码模型时，把候选模型放到自家仓库的真实改造任务上跑一遍，得到可核对的通过结果，而不是只看公开榜单分数。

目前多靠公开榜单分数、厂商自测报告，或内部工程师手工试跑几个任务来判断。

公开评测集与自家遗留代码差异大，选错模型意味着返工和迁移成本；把私有代码交给外部评测又有合规顾虑。

为什么用户会选择它

推断：相较只看公开榜单，它把评测对象换成买方自己的私有仓库任务，减少“榜单高分但自家代码跑不动”这一步落差，因此有遗留系统且代码不能外发的团队会在选型阶段选择它。