跳到正文
Latent Space

Cognition 发布 FrontierCode 基准:代码能跑不算完,得看能不能合进主分支

[AINews] FrontierCode: Benchmarking for Code Quality over Slop

Cognition 做了一个叫 FrontierCode 的代码评测,不再只看模型生成的代码能不能通过单元测试,而是直接问“这代码你敢合并吗”。题目是找开源项目维护者一起出的,每道题要花 40 多个小时去设计,评分会看会不会引入新 bug、代码干不干净、改动范围是否合理、测试写得对不对、以后好不好维护。

推荐理由:Cognition 发布 FrontierCode 基准,由开源项目维护者出题,评分从能否通过测试转向是否引入新 bug、改动范围与可维护性,为代码质量评测提供新维度。

读原文 ↗导出 Markdown