登录

当前标签：Program

华人科学家李曼玲团队新作：coding agent的第一场具身考试

华人科学家李曼玲团队新作：coding agent的第一场具身考试

华人科学家李曼玲团队发布Program Bench评测，用完整软件重建任务给coding agent安排了一场“不许抄答案”的闭卷考试，结果暴露出当前模型在真实工程任务中的完成度短板与作弊冲动。