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。
相关事件与更多上下文见编辑部与归档页。