跳到正文
返回科技动态
热点事件历史事件

阿里等发布Co-Design Bench编码智能体基准测试

1 篇报道1 个报道来源8 天前更新

先了解这件事

AI 综述

2026年11月8日,阿里巴巴联合多所亚洲高校推出新基准测试 Co-Design Bench,旨在评估 AI 编码智能体处理真实用户变更请求的能力。该测试聚焦于智能体在复杂现实场景下的表现,而非简单的代码生成。最新数据显示,即便是在该基准中表现最佳的模型 GPT-6 Astra,其平均任务要求满足率约为 70%,但仅有 26.4% 的任务能够完全正确通过。这一结果揭示了当前 AI 编码智能体在处理真实世界复杂需求时的局限性,表明大多数情况下仍需人工介入进行收尾工作,凸显了现有技术在端到端自动化解决实际问题上的不足。

AI 根据报道生成 · 8 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月8日
  1. The Decoder
    阿里等机构发布 Co-Design Bench:AI 编码智能体在真实任务中完全通过率仅约 26%

    阿里巴巴与多所亚洲高校联合推出新基准测试 Co-Design Bench,旨在评估 AI 编码智能体处理真实用户变更请求的能力。测试显示,即便表现最佳的 GPT-6 Astra 平均满足约 70% 的任务要求,但仅有 26.4% 的任务能完全正确完成,大多数情况仍需人工收尾。

本事件热度走势

当前热度 3·可比范围峰值 4(11月10日 04:00)·近 24 小时可比范围变化 –

0123411月10日04:0011月10日08:0011月10日13:0011月10日17:00

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。

浙ICP备2026082753号-2