arXiv · AI· Rupam Patir, Keyan Guo, Suvadra Barua, Abhijeet Pathak, Dinesh Gudimetla, Jiawei Guo, Hongxin Hu, Haipeng Cai·· 8 小时前AI 评分45
DualGauge: 自动化联合评估 LLM 与编码智能体“仅规格代码生成”的安全性与功能性
DualGauge: Automated Joint Security-Functionality Benchmarking of Specification-Only Code Generation by LLMs and Coding Agents
AI 导读
DualGauge 提出首个全自动框架，联合评估规格驱动代码生成的正确性与安全性。其配套 DualGauge-Bench 包含 307 个任务，测试 10 种 LLM 和 3 个编码智能体。
来源：arXiv · AI · arxiv.org