OpenCUA-72B

大型语言模型在验证无代码错误修复方面表现不一

arXiv上发表的一项新研究探讨了大型语言模型（LLMs）在自动验证无代码错误修复方面的有效性。该研究提出了一个基于执行的管道，以评估LLMs在真实浏览器环境中生成和验证这些修复的能力。结果表明，虽然LLMs可以生成修复，但其解决率因所使用的执行器代理而异，其中Claude Opus 4.6和Claude Sonnet 5表现出有希望但并不完美。