The Decoder· Jonathan Kemper·· 8 天前
阿里等团队发布 Co-Design Bench：编码智能体仅完整完成约四分之一任务
AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test
AI 导读
阿里巴巴与多所亚洲高校的研究者用真实用户变更请求构建了编码智能体基准 Co-Design Bench，要求智能体基于图像、音频、视频或文档等输入改造现有 Web 应用。
入选记录
门槛 76媒体与个人第一次 72第二次 62
未入选两次之和 134 < 门槛的两倍 152
- 信源等级
- 媒体与个人，这一级的门槛是 76 分
- 预筛
- 通过：AI编码智能体基准测试与表现分析
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：The Decoder · the-decoder.com