#代码评估

共 2 条 · 7 天 1 条 · 30 天 1 条

Claude Opus 5 1 GPT 5.6 1 SWE-agent 1 SWE-bench 1

信息流里打上「代码评估」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月12日

论文 Agent 与开发者17:55

研究：SWE-bench 上通过测试的补丁近半数存在运行性能差异

四个前沿模型解 SWE-bench，通过测试的补丁一半有性能差距，模型性能排名还和解决率反着来，做工程的人可以看看。

#SWE-bench #SWE-agent #Claude Opus 5 #GPT 5.6

arXiv: DeepSeek@Han Peng 等 5 人原文

6月9日

模型 Agent 与开发者多源确认精选76°10:03

Cognition 推出 FrontierCode：将 Coding 评估标准从可用提升到可合并，Claude Opus 4.8 领先

FrontierCode 把 AI 编程评估从“能跑就行”升级到“能合并”，做代码质量评估或 AI 编程工具的团队可以直接参考这套标准，看看自己的模型在真实维护者眼中能拿几分。

#Cognition #FrontierCode #代码评估 #可合并性

shao__meng@shao__meng4 个信源在谈原文