开发者用Codex MCP并发审计MBPP和HumanEval，发现多处问题
code_star · x · 2026-08-22
X 用户 codestar 分享了他使用 Codex 通过 MCP 服务器进行基准测试审计的经验。他创建了 47 个并发 nac 会话，在 2 小时内审计了 MBPP 和 HumanEval 变体的每个样本，纠正了提示词、测试用例、格式甚至上游 MBPP 中的多个深层问题。他提醒大家：“记住，朋友们，永远要看数据！”
所属事件:开发者用 Codex MCP 并发审计两大代码基准数据集(2 条相关)→
「编程与Agent」频道最新
- DeepSeek Harness 社区分支推出签名公证的桌面应用 — jasonkneen · 2026-08-22
- Replit 新功能：从 ChatGPT、Claude 等 MCP 客户端直接管理项目 — amasad · 2026-08-22
- 团队开源 SDK 让开发者三分钟部署带认证支付的完整应用 — PrajwalTomar_ · 2026-08-22
- 观点：AI 将大幅降低 Rust 采用门槛，使其成为大赢家 — ethanniser · 2026-08-22
- Agentfy：面向社交媒体的多智能体编排系统开源 — tom_doerr · 2026-08-22
- 传闻：OpenAI Astra 将是多 Agent 编排的模型星座 — daniel_mac8 · 2026-08-22