LIVE INDEX / 最新文章
拿着一张需求单却做出"四不像"产品?AI代理在复杂任务面前原来也会手足无措——南开大学等机构联合研究揭示AI编程助手真实水平

拿着一张需求单却做出"四不像"产品?AI代理在复杂任务面前原来也会手足无措——南开大学等机构联合研究揭示AI编程助手真实水平

南开大学等机构联合研究发现,当前最先进的AI编程助手在处理复杂长期编程任务时表现不佳,通过率仅16.7%。研究构建了LongCLI-Bench评估基准,包含20个真实复杂任务,采用双重测试和步骤级评分。结果显示AI助手多...