The Decoder· Jonathan Kemper·· 13 天前AI 评分67
Co-Design Bench 真实测试显示编码智能体近四分之三任务仍需人工收尾
AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test
AI 导读
阿里巴巴与多所亚洲高校研究人员推出 Co-Design Bench,用真实用户改动需求测试编码智能体。表现最好的 GPT-6 Astra 平均满足约 70% 的任务需求,但仅 26.4% 的任务完全正确,多数情况下智能体完成大部分工作后仍留下未完成细节。
来源:The Decoder · the-decoder.com