PulseAugur
中
实时 10:46:05
Deutsch(DE) PROBE: Frontier Coding Agents Find Different Bugs Than Maintainers Fix

新基准显示前沿编码代理会漏掉大部分 Bug

作者 PulseAugur 编辑部 · [1 个来源] ·

一个名为 PROBE 的新基准已被引入，用于评估前沿编码代理的 Bug 查找能力。该基准包含在 18 个月内跨 20 个 GitHub 存储库修复的 2,457 个 Bug。评估显示，当前前沿模型在识别这些 Bug 方面的召回率低于 21%，精确率低于 9%。尽管精确率较低，但人类评估者仍认为 85% 的代理发现是有效的。值得注意的是，这些代理发现的 Bug 类型与人类维护者修复的 Bug 类型存在显著差异。 AI

影响 突出了当前 AI 编码代理在查找和修复软件 Bug 方面的局限性，并提出了模型开发需要改进的领域。

排序理由 该集群包含一篇介绍用于评估 AI 能力的新基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新基准显示前沿编码代理会漏掉大部分 Bug

本文如何被排名

Signal score
11 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇介绍用于评估 AI 能力的新基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 Deutsch(DE) · Marco Paina, Mark Niklas M\"uller, Niels M\"undler-Sasahara, Martin Vechev ·

    调查：Frontier 编码代理发现的 Bug 与维护者修复的不同

    arXiv:2610.35987v1 Announce Type: cross Abstract: Proactive bug discovery is an important software-engineering problem. Even though coding agents are already widely deployed in this domain, their capabilities remain understudied. In particular, the challenging task of finding all…

相关实体

相关话题