阿里等团队发布编码智能体基准Co-Design Bench

阿里巴巴及多所亚洲高校的研究团队发布编码智能体测试基准 Co-Design Bench，基于真实编码会话中的用户改动请求构建，测试智能体修改现有 Web 应用的能力。测试结果显示，编码智能体仅能完全完成约四分之一的真实任务。 该基准每项任务只评估一条固定请求，用户的追问或任务中途的修正不在测试范围内；评分只计入应用中真正可用的功能。任务输入有时包括图片、录音、视频或文档。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。