arXiv cs.SE· Daniel Furman, Preeya Kirani, Ibrahim Sheikh, Zhen Li, Peter Zhong, Michele Catasta·· 1 小时前AI 评分58
ViBench 2.0：面向长周期软件构建的基准
ViBench 2.0: A Benchmark for Long-Horizon Software Building
AI 导读
Replit 团队提出 ViBench 2.0，用于评估长周期软件构建：17 个全栈 Web 产品由 241 条以上功能请求逐步扩展，由浏览器智能体执行 544 条测试计划，全部通过才算构建成功。
来源：arXiv cs.SE · arxiv.org