Ofir Press 点名 ExcelBench：编码 agent 评测该瞄准这种任务规模
OfirPress · x · 2026-10-09
在关于编码 agent 应评测何种规模任务的讨论中，Ofir Press 回应称 ExcelBench 是合适的选择。该帖信息较短，核心是知名研究者对编码 agent benchmark 方向的表态：应测试 ExcelBench 这类规模的任务。
「编程与Agent」频道最新
- 两周产 23 条广告 100 个版本:AI 视频制作工作流的 10 项实战复盘 — justin_hart · 2026-10-09
- 支持 120 国号码接入，独立开发者重构 AI 电话平台摆脱 Twilio — redouanea · 2026-10-09
- Git 挑战第 5-6 天:多智能体「组织架构」频崩,调试组织成主任务 — Al_Grigor · 2026-10-09
- 开发者感慨:未来孩子难以理解当年要手动打断点调试代码 — eherrerosj · 2026-10-09
- 用户撤销权限后 Codex 仍可读写旧文件夹,且官方无法解释 — Some-Following-392 · 2026-10-09
- OpenAI Live API可用session.instructions.append实时转向 — juberti · 2026-10-09