开发者开源 Bug 搜寻基准:实测大模型查 Bug 能力
PawelHuryn · x · 2026-08-01
技术博主 Pawel Huryn 开源了其最新的 AI 模型测试实验仓库，包含一个名为 bug-hunt-bench 的基准测试。
该基准在两个真实的代码仓库中植入了 105 个 Bug，用于评估前沿大模型（如 Claude、GPT 等）在自主发现和修复代码缺陷方面的实际能力。作者强调，所有实验脚本、原始日志和结果均完全开源且可复现。
所属事件:开发者开源Bug搜寻基准实测大模型查错能力(2 条相关)→
「编程与Agent」频道最新
- 开源工具：AI 自动看 YouTube 生成小红书图文 — yangyi · 2026-10-16
- GitHub 用 AI 把 Copilot 运行时重写为 80 万行 Rust,CPU 内存降 90% — bibryam · 2026-10-16
- Demo 之外的真坑:Reddit 讨论企业 AI 落地最难的一公里 — djgoel123 · 2026-10-16
- 让 Claude 写计划、Codex 来审：双模型互查工作流实操 — theteknosaur · 2026-10-16
- NPCTalk 让 GTA V NPC 可实时对话:开源方案可移植任意游戏 — ChocolateDull8971 · 2026-10-16
- MCP 作者 Simon Willison：Code mode 将取代传统工具调用 — springrod · 2026-10-16