每日论文精读 #012：用户动了你的代码，编码Agent还能干活吗？SWE-Touch用「反编辑」压力测试发现平均掉点7.7%中科院团队提出SWE-Touch基准：在Agent修Bug过程中注入与任务冲突的用户代码编辑，9个主流模型平均解决率暴跌7.7个百分点，排名大幅洗牌——自主能力强的模型不等于能应对共享工作区的变化。