evocode-bench

标签

#evocode-bench

@_philschmid: https://x.com/_philschmid/status/2081744861829414977

X AI KOLs Timeline ↗ · 2026-07-27 缓存

EvoCode-Bench 是一个多轮编码基准，包含 5 个领域的 26 个任务，旨在评估 AI 代理在持续演变规格和累积测试下的表现，揭示单轮得分会严重高估可靠性。

0 人收藏 0 人点赞