新的基准测试 TestEvo-Bench 评估 AI 代理在代码和测试协同进化方面的能力

研究人员推出了 TestEvo-Bench，这是一个新的基准测试，旨在评估 AI 代理在代码变更协同进化测试方面的能力。该基准测试包括生成新测试和更新现有测试的任务，这些任务基于真实的提交历史和可执行环境。TestEvo-Bench 旨在通过定期挖掘新任务来减少数据泄露，当前快照包含来自 152 个开源 Java 项目的 1200 多个任务。 AI

影响 该基准测试有望提高 AI 代理理解和生成代码及测试的能力，从而带来更强大的软件开发工具。

排序理由 该集群包含一篇介绍 AI 研究新基准测试的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Claude Code
• Claude Opus 4.7
• Gemini 3.1 Pro
• Gemini CLI
• Java
• SWE-Agent
• TestEvo-Bench

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →