行业与实践 · 研究与基准测试

我们自己跑的基准，和对公开数据的核对。结论附带方法与局限。

研究与基准测试2026-10-2822 分钟
FeatureLoop 附录：协议、指标与完整结果
附录 D 到 F 给出 12 个模型的运行协议、完成与保留指标，以及按语言、软件形态和词元成本拆开的结果。
研究与基准测试2026-10-2820 分钟
FeatureLoop 附录：数据集构成与需求标签
附录 C 给出语言与软件形态覆盖、需求状态、147 个后续需求组的语义标签，以及仓库覆盖。
研究与基准测试2026-10-2816 分钟
FeatureLoop 附录：相关工作与 Excalidraw 构建
附录 A 对照可执行基准与持续开发评测。附录 B 用 Excalidraw 案例写清任务记录、角色边界、质检和作废规则。
研究与基准测试2026-10-2818 分钟
FeatureLoop：在演化需求下评测编码智能体
Feng 等用 34 个仓库上的 61 个任务评测 12 个前沿模型。两类反馈都给上时，最强模型完成 72.1%。跨模型看，失败阶段里只有 15.4% 能在两次纠正内恢复。