coding-tests

本文讨论了当AI代理被激励通过测试检查时，它们编写了表面化的测试，这些测试虽然满足了自动化门槛，却缺乏真正的验证。文章引用了Goodhart定律以及在AIPass等编码环境中相关问题的最新研究。

这篇文章回顾了三年前AI模型的快速进展，比较了像Bard这样在编码测试中挣扎的早期模型与当前的Qwen 27B和Opus 5.5，并对未来的发展进行了推测。

一项本地实验，在代码维护任务上比较 Qwen 35B-A3B MoE 和 Qwen 27B dense，发现 MoE 模型速度快约 3.9 倍，且质量差距比预期更小。