热点事件持续更新

真实场景测试：AI 编程智能体近四分之三任务仍需人工收尾

1 篇报道1 个报道来源8 小时前更新

先了解这件事

事实说明

据 The Decoder 报道，阿里推出 Co-Design Bench 编程智能体基准，用实际中曾让智能体出错过的真实用户请求进行测试。结果显示，表现最好的模型仅完整解决 26.4% 的任务，而同一批模型在旧基准上的得分超过 99%。

最新进展11月8日 17:50

沿着报道，了解事件的不同侧面。

11月8日

17:50
The Decoder精选
真实场景测试：AI 编程智能体近四分之三任务仍需人工收尾
据 The Decoder 报道，阿里推出 Co-Design Bench 编程智能体基准，用实际中曾让智能体出错过的真实用户请求进行测试。结果显示，表现最好的模型仅完整解决 26.4% 的任务，而同一批模型在旧基准上的得分超过 99%。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。