The Decoder· Jonathan Kemper·· 1 小时前AI 评分55
Co-Design Bench 测试显示 AI 编码智能体在真实任务中仍需人工清理
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构建了编码智能体基准 Co-Design Bench，该基准基于真实用户变更请求，测试了十个模型。最佳模型 GPT-6 Astra 平均满足约 70% 的任务要求，但仅在 26.4% 的任务中完全正确，表明智能体仍需人工清理。
来源：The Decoder · the-decoder.com