开发者用 Codex MCP 并发审计两大代码基准数据集

一位名为 codestar 的开发者通过 MCP 服务器接入 Codex 模型，创建 47 个并发会话，在 2 小时内完成了对 MBPP 和 HumanEval 两个代码基准数据集全部样本的审计。审计过程不仅发现了提示词（prompt）存在的问题，还对数据集中的错误进行了批量修复，展示了利用 MCP 与大模型并发进行大规模基准测试审计的实战可行性。

2026-08-22 ~ 2026-08-22 · 2 条相关