跳到主要内容

同一个编码模型,两组人都让它去「优化这个接口」。A 组合进主干的实现提速约 40%,代价是鉴权被绕过;B 组给自己定了门槛——p95 必须压到 200ms 以内、老测试一条不挂——最终一行没合。两组心目中的「完成」各指什么?要让模型反复迭代直到达标,检查器该怎么写?

Agent 评测与可靠性中级评测与可靠性

题目​

同一个编码模型,两组人都让它去「优化这个接口」。A 组合进主干的实现提速约 40%,代价是鉴权被绕过;B 组给自己定了门槛——p95 必须压到 200ms 以内、老测试一条不挂——最终一行没合。两组心目中的「完成」各指什么?要让模型反复迭代直到达标,检查器该怎么写?

参考答案​