研究与基准测试/2026-11-04/28 分钟DistDebug-Bench:文件能找到,根因块对不准DistDebug-Bench 用 11 个分布式系统里的 120 个真实缺陷,评测智能体能否在代码层指出根因。最强配置文件级覆盖很高,块级覆盖和精确率低得多;轨迹里反复出现过早锁死的隧道视野。
研究与基准测试/2026-11-04/16 分钟DistDebug-Bench 附录 A–D:标注、提示与覆盖率敏感性同一篇论文的附录前半:制品布局、ZooKeeper-2845、整理流程、分类轴、收集流水线、评测提示,以及行覆盖率敏感性。不是第二篇来源。
研究与基准测试/2026-11-04/20 分钟DistDebug-Bench 附录 E–G:轨迹、子集实验与污染检验同一篇论文的附录后半:失败模式轨迹、探索性子集实验、评估器有效性、污染分析,以及 NeurIPS 核对清单。不是第二篇来源。