ProgramBench评估模型编程能力

📂 精选资讯 · 📰 Hacker News

研究者提出ProgramBench基准，系统性评估语言模型从零重建程序的能力。测试涵盖代码补全、调试和重构等场景，发现当前模型在复杂逻辑重组上仍有局限。

阅读原文