中国人民大学以云沙箱构建DeNovoSWE数据集

中国人民大学高瓴人工智能学院团队在构建 DeNovoSWE 长程软件工程数据集时，采用火山引擎云沙箱作为底层执行环境，用 Divide & Conquer 与 Critic & Repair 机制完成 Agent 轨迹采集、编译验证与自动化评测：先分析目标仓库拆解为多个 repository capabilities，运行原始单元测试收集执行 trace 区分 direct / core indirect / non-core indirect 三类组件，再由 Draft-Critic-Repair 循环逐能力生成文档并合并为唯一任务文档。 构建过程中研究团队仅启用 5,000 并发的 Sandbox 资源，即实现数据流水线稳定运行、安全防护与快速迭代，支撑起 4.8k 量级（4,818 个）真实数据样本的全流程处理。火山引擎云沙箱侧给出三大核心能力口径：高并发调度（底层调度系统实际可支持 10 万级并发）、强安全隔离（虚拟机级别运行时隔离）、灵活可控的执行环境（毫秒级拉起、按需配置）。