code-evaluation

CursorBench 3.1 引入了专注于代码库理解、缺陷查找、规划和代码审查的新基准任务，并展示了各种AI模型的更新得分和成本比较。

CodeAlchemy 是一个合成数据生成框架，通过五种策略将公开可用的代码转换为语义丰富的训练数据，生成超过5000亿个 token，使得小型模型在代码基准测试上超越大得多的模型。