微软南大提出 LoopsBench：评估 Agent 长期编程维护能力
jiqizhixin · x · 2026-08-27
微软与南京大学提出 LoopsBench，一个用于评估 AI 智能体长期软件工程能力的基准。它包含 112 个任务、5300 多个开发单元和 8 种语言，中位数任务依赖深度为 6。该基准测试智能体在长时间执行中维护计划、代码和测试状态的能力，而不仅仅是单次任务解决。结果表明，即使最佳配置的任务解决率仅 25%，测试通过率 53%，引入“延续”机制可显著提升表现。
「编程与Agent」频道最新
- 马斯克转发用户实测：Grok Bot 不比 Codex 强但更顺手 — elonmusk · 2026-10-15
- 独立开发者发布 Blob0：把 S3/R2 对象存储管成 Mac 本地文件夹 — yihui_indie · 2026-10-15
- 2026 AI 工程师六层技能栈：从向量库到 Agent 编排 — mdancho84 · 2026-10-15
- 用 ChatGPT 搭机械工程工作流：Agent 编排热固封头研究，却因重置中断 — burhop · 2026-10-15
- 开源 Harness 工程课爆火：19k 星教你让编码 Agent 干活可靠 — thisguyknowsai · 2026-10-15
- 6 人团队 3 个月：AI Agent 进驻医保预授权平台的落地实录 — alex_verem · 2026-10-15