IXThinker·2025-08-28 00:00

291個軟件工程基準全景式盤點問世

浙江大學、新加坡管理大學與加拿大渥太華大學等機構團隊，首次對291個評估大語言模型軟件工程能力的基準作系統綜述，為AI4SE社群繪製出一份詳盡的「基準地圖」與方法指南。

評估困境

大語言模型正加速重塑軟件工程各環節，從需求分析、代碼生成到自動化測試幾乎無所不包，但衡量這些模型「好不好用」、「短板在哪」，長期缺乏系統而權威的評估工具。