The Decoder· Jonathan Kemper·· 2 小时前AI 评分65
AI编码智能体在真实世界测试中完成率仅26.4%
AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test
AI 导读
阿里巴巴和亚洲多所大学研究人员开发了Co-Design Bench测试，发现即使是最好的GPT-6 Astra模型也只能完全完成26.4%的任务，平均满足70%的要求。测试显示现有编码基准已过于简单，模型在真实项目中处理多类型变更时表现显著下降，且工作环境对结果影响显著。
来源：The Decoder · the-decoder.com