CODA-BENCH评测代码代理
jiqizhixin · x · 2026-07-12
Renmin University of China 研究团队发布了 CODA-BENCH，用于同时测试代码能力与数据智能能力。
- 任务场景要求 agents 处理复杂文件系统、上百个 Kaggle 数据集，并完成真实的数据分析编码任务。
- 结果显示，即便是顶级系统，在 1,009 个任务上的成功率也只有 61.1%，说明当前 agent 在数据密集型工作上仍有明显短板。
- 帖子附带了项目、论文、代码和数据集链接，以及 Jiqizhixin 的报道。
「编程与Agent」频道最新
- 开发者用 GPT-6 Astra 搭配 Hyper3D Rodin 做出交互式 3D 产品展示 — nikola_mr64990 · 2026-09-11
- Codex 用户实测：Sol 搭配 Astra/Luna 子代理更省额度 — pvncher · 2026-09-11
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11