腾讯 WorkBuddy Bench 覆盖代码网页办公与安全评测 coding agent

tencent · hf · 2026-07-24

腾讯发布 WorkBuddy Bench：覆盖代码、网页、办公和安全的 coding agent 基准

腾讯推出了 WorkBuddy Bench，这是一个面向 coding agent 的多领域评测套件，覆盖四类工作场景：Code、Web、Office、Security。

这个基准最大的特点是强调污染抵抗：每个任务都不是直接搬运公开 issue 文本，而是从真实的 commit、pull request 或业务场景反向构造，再改写成简短、口语化的任务描述，避免通过搜索公开线程把题目“还原”出来。

它的开放内容包括：

• 任务目录
• 环境镜像
• 评测 harness
• 测试集
• 参考答案

文中还说明，不同子集采用不同评分方式，因此子集之间分数不可直接比较，也就不提供统一总分。报告同时给出了在 CodeBuddy Code 和 Claude Code 两个 harness 上跑出的跨模型 leaderboard。

原文链接 →

「编程与Agent」频道最新

• 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
• GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11
• 投资分析师求教：如何用 Claude 搭建尽调 Agent 工作台 — Careless_Tie2286 · 2026-09-11
• 把 Agent 当失忆症患者：三层上下文分层法让对话不再从零开始 — evielync · 2026-09-11
• Android 手机跑 Firefox MCP：Termux+ngrok 完整教程 — Nervous-Strain7544 · 2026-09-11

更多「编程与Agent」频道 AI 资讯 →