观点:编码基准只测「做完没」,不测「做得好不好」

kuza55 · x · 2026-11-23

讨论者指出,当前编码模型确实更不容易彻底跑偏、也能处理更难的任务,但在设计层面依然很差。他认为缺口在于:几乎没有编码 benchmark 评估任务是否被「做好」,只评估是否按要求完成;唯一试图触及这一点的是 SlopCodeBench,而所有模型在该基准上表现都很差。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →