跳到主要内容

公开 issue 评测套件上代码 agent 大约 45% 通过,领导要用这个数撑公司内部单体仓上线。该数字对哪些能力可能报得偏高或偏低?在自己的仓库里你会改掉哪些评测条件?

Agent 评测与可靠性中级评测

题目​

公开 issue 评测套件上代码 agent 大约 45% 通过,领导要用这个数撑公司内部单体仓上线。该数字对哪些能力可能报得偏高或偏低?在自己的仓库里你会改掉哪些评测条件?

参考答案​