跳到正文
Computing Life · Share · 鸭哥调研

BackendForge 让 AI 编程评测从笔试变面试,同一份代码通过率直接腰斩

BackendForge:AI 已经能写完整 App,评测也得学会追问

BackendForge 先给 56 个后端任务写了 7,250 项测试,再让 Agent 专门找这套题库漏了什么,最后补了 640 项。测试只多了 8.8%,但 GPT-5.5 全部通过的任务从 31 个掉到 16 个,Claude Opus 4.7 从 33 个掉到 10 个。

推荐理由:BackendForge 用 Agent 为 56 个后端任务补了 640 项测试,测试量只增 8.8%,GPT-5.5 与 Claude Opus 4.7 全部通过的任务数却接近减半。

读原文 ↗导出 Markdown