基准测试历史上有 29 个 bug 至今无人修复
PawelHuryn · x · 2026-10-13
Pawel Huryn 指出,在某个编程基准测试的历次运行历史中,仍有 29 个 bug 从未被任何模型修复——新模型确实能在真实环境中修掉一些 bug,但往往是在他或其他用户先在应用里发现之后。
这条观察凸显了当前 AI 修 bug 能力的边界:基准里的顽固 bug 长期无人攻克,而且模型修复常常依赖人工先行发现与验证。
所属事件:Pawel Huryn 实测 Muse Wonder 1.0:GPT-6 Astra 得分 45 居首(5 条相关)→
「编程与Agent」频道最新
- RustGIS 上架 PyPI:纯 Rust 打造的快速开源 GIS 可进 Jupyter — giswqs · 2026-10-13
- 歸藏晒 5 个 Claude Skill 存货,从视频剪辑到个人上下文工具 — op7418 · 2026-10-13
- LangSmith 推出 AI Search:用自然语言直接检索 Agent 执行轨迹 — LangChain · 2026-10-13
- 开发者用 Claude 设计 skill 生成大胆品牌概念:铁律是绝不抄袭 — round · 2026-10-13
- 马德里 Kernel Panic 大会爆满，四场生产级 AI 实战演讲 Slides 公开 — SergioPaniego · 2026-10-13
- 用 Hermes Agent 每周自动筛 GitHub 新项目:搜索抓取免费 — prasenx · 2026-10-13