IXThinker·2026-05-25 12:40

新代碼基準拷問工程能力 前沿模型成績掉檔

一個全新的代碼工程能力評測基準涵蓋代碼理解、測試編寫與重構等核心環節，由資深工程師手寫的284道題目組成。結果顯示前沿模型一次通過率最高僅約43%，工程實踐短板明顯。

基準設計

該基準名為SWE Atlas，由數據標註企業推出，突破以往基準偏重修補任務的局限，首次系統評測代碼理解、測試編寫與重構等全流程工程能力，284道題目全部由資深工程師手寫。