The Decoder· Jonathan Kemper·· 11 天前AI 评分68
阿里联合多所高校发布新基准:AI编码代理近3/4任务需人工收尾
AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test
AI 导读
阿里联合多所高校团队发布了新的编码代理基准测试 Co-Design Bench,要求AI代理根据多模态输入重构现有的Web应用。GPT-6 Astra等10款模型表现最优,但仍有近2/3任务存在细节缺失,完全正确率仅为26.4%。旧基准测试中AI表现接近满分,而真实场景下任务复杂度大幅上升,且不同执行环境对测试结果影响显著。
来源:The Decoder · the-decoder.com