Reddit · failuremap-f / reddit ·

你的本地编码模型能修这些边界用例 Bug 吗?2 万多个 Python 任务的失败地图

为什么值得读: AI Coding 评测基准,任务真实、数据可查,对评估本地编码模型实用性有直接价值,属高分项。

AI 摘要

发布覆盖 20,168 个真实开源 Python 任务的基准,专门检验编码模型修复边界条件 Bug 的能力,并给出失败分布。

打开原文阅读完整内容 →
相关事件与更多上下文见编辑部与归档页。