arXiv 发布 BOBA-Bench 评测编码代理
热点事件持续更新
arXiv 发布 BOBA-Bench 评测编码代理
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
2026年11月3日，研究人员 Alejandro Cuadron 和 Arpit Gupta 在 arXiv 发布论文，提出 BOBA-Bench 评测基准。该基准包含 280 条由 140 个开源项目衍生出的 20 连任务链，用于测试编码代理的连续工作能力。评估显示，10 款编码代理在单步任务中完成率高达 95%，但在连续链式任务中降至 51%。 研究指出，性能下降并非因代码质量变差，而是代理在自身测试通过后即标记完成，导致后续请求建立在含错代码上。论文表明，引入外部验证和一轮修复可将链式完成率提升至 59%。
AI 根据报道生成 · 1 小时前更新
最新进展11月3日 13:00
arXiv论文 BOBA：为何编码代理无法独立工作报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · ML精选arXiv论文 BOBA：为何编码代理无法独立工作
arXiv 论文提出 BOBA-Bench，包含 280 条由 140 个开源项目衍生出的 20 连任务链。评估显示 10 款编码代理在单步任务中完成率高达 95%，但在连续链式任务中降至 51%。研究指出原因并非代码质量变差，而是代理在自身测试通过后即标记完成，导致后续请求建立在含错代码上。引入外部验证和一轮修复可将链式完成率提升至 59%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。