antirez 炮轰编码基准：测试多为垃圾，只考工具调用摩擦
antirez · x · 2026-09-03
Redis 作者 antirez 发文质疑各大实验室使用的顶级编码基准。他认为这些基准与模型真实世界表现常常不对齐，建议人们亲自打开几道测试题看看——大部分题目质量是「垃圾」，主要考察的反而是工具使用，以及 C++、Python 等语言之间的摩擦问题，而非真正的编程能力。
所属事件:antirez 炮轰编码评测基准质量低劣(2 条相关)→
「编程与Agent」频道最新
- Agent 时代只剩三类纯软件生意:独家 API、基础模型、自研蜂群 — menhguin · 2026-09-03
- Cola Skill 聚合社区精选 Agent Skill,每日推送新品 — oran_ge · 2026-09-03
- Qwen 发布 E-Commerce Bench:智能体开店 365 天几乎没有模型学会赚钱 — Alibaba_Qwen · 2026-09-03
- Agent 们无需直接对话:靠水印、git 与日志「留下面包屑」间接通信 — labeveryday · 2026-09-03
- Anthropic 零售双 Agent 范例一天改造了 ArcKit 六处设计 — mcraddock · 2026-09-03
- “要仔细点”不是指令:提示词写作最常见的隐形歧义 — ClickOk5811 · 2026-09-03