热点事件持续更新

研究团队发布 Co-Design Bench 测试编码智能体

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

研究团队发布了面向编码智能体的 Co-Design Bench；在基准测试中，表现最好的 GPT-6 Astra 平均满足约70%的任务要求，但仅有26.4%的任务被完整正确完成。该基准依据真实用户对现有网页应用的修改请求构建，任务输入有时包含图像、音频、视频或文档。任务要求包含多种变更时，所有模型的表现都会下降；同一模型在不同代码执行环境中的得分也可能不同，因此研究作者建议同时报告模型和工作环境。

AI 根据报道生成 · 15 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月8日

17:50
The Decoder
Co-Design Bench 真实场景测试显示编码智能体仅完整完成约四分之一任务
研究人员基于真实用户修改请求构建编码智能体基准 Co-Design Bench；测试中表现最好的 GPT-6 Astra 平均满足约70%的任务要求，但仅26.4%的任务完全正确。基准涵盖对现有网页应用的修改，输入有时包括图像、音频、视频或文档；任务包含多种变更时，所有模型的表现都会下降。研究还发现，同一模型在不同代码执行环境中的得分可能不同，因此作者建议同时报告模型和工作环境。

本事件热度走势

可比范围当前: 7
可比范围峰值: 1011月8日 19:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。