Bug Hunt Bench 排行榜公开,code-review skill 提升修 bug 成绩

Pawel Huryn 公布 Bug Hunt Bench 完整排行榜，该基准在两个仓库中植入 105 个真实 bug，对前沿编码模型进行盲评，每个仓库使用一个 prompt，并统计各模型的修复成绩与成本。Huryn 还回应网友称，自建的 code-review skill 可显著提升模型在该基准上的表现，作者实测后认为这一 skill 对提升模型修 bug 成绩有明显帮助。

2026-09-24 ~ 2026-09-24 · 2 条相关