Agent 实践
Coding Agent 交付评测实验：可见测试通过，为什么补丁仍应被拒绝
3 个正确最小补丁全部被接受；只针对可见样例的补丁虽然 3/3 通过公开测试，却 0/3 通过隐藏测试。正确代码只要附带受保护文件修改也会 0/3 接受，伪造成功证据则被独立重放识别。
Tag
软件工程评测
共 1 篇文章。
Tag
共 1 篇文章。
Agent 实践
3 个正确最小补丁全部被接受；只针对可见样例的补丁虽然 3/3 通过公开测试，却 0/3 通过隐藏测试。正确代码只要附带受保护文件修改也会 0/3 接受，伪造成功证据则被独立重放识别。