The Decoder· Jonathan Kemper·· 2 小时前AI 评分71
阿里等团队发布 Co-Design Bench：编码智能体仅完整完成约四分之一任务
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的研究者构建了 Co-Design Bench 编码智能体基准，测试任务来自真实用户的修改请求，并支持图像、音频、视频和文档输入。十款模型中表现最好的 GPT-6 Astra 平均满足约 70% 的任务要求，但仅 26.4% 的任务被完整正确完成。
来源：The Decoder · the-decoder.com