Industry & Practice · Tagged “维护”

Techniques & Tutorials/2026-11-07/18 min

基准也是软件：Terminal-Bench 2.1 把维护债补上

斯坦福把 Terminal-Bench 2.0 再审一遍：大约三分之一任务有缺陷。修好后准确率上升超过 10 个百分点，名次最多动 3 位，排名相关仍有 Spearman ρ = 0.958。固定时间预算还会把支架速度差写成能力差。