The Decoder· Jonathan Kemper·· 8 小时前AI 评分55
阿里等机构发布 Co-Design Bench：AI 编码智能体在真实任务中完全成功率仅约 26%
AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test
AI 导读
阿里巴巴与亚洲多所大学联合推出 Co-Design Bench，基于真实用户变更请求构建的编码智能体测试基准。研究显示，表现最好的 GPT-6 Astra 平均满足 70% 的任务要求，但仅在 26.4% 的任务中实现完全正确，表明大多数情况下仍需人工收尾。
来源：The Decoder · the-decoder.com