Co-Design Bench多模态编码基准发布

2026年10月27日，Xilin Wei等人在arXiv发布多模态协同编码评测基准Co-Design Bench。该基准包含273项无参考任务，源自26,314个真实用户编码会话中的37,463条去重查询，专门评测编码智能体将用户多模态需求转化为应用修改的能力。 基准设有ME和RE两条赛道，涵盖3个能力维度，采用2,331条隐藏专家验收标准进行“先裁决后反驳”的评分。测试显示，十种模型端点中表现最强者平均通过率为69.9%，但仅26.4%的任务被完全满足，多变更类型仓库编辑完成率显著偏低。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。