CETBench：代码等价性基准发布

Neeva Oza 等作者提出并发布 CETBench 代码等价性检查基准，用于检验大语言模型判断两段程序功能是否等价的能力。该基准从可能解决相同或不同任务的程序库中采样程序对，再施加随机代码变换序列，生成等价或非等价的程序对。 作者分析称，即使简单变换也会让当前最优 LLM 在代码等价检查上出现明显性能下降，跨语言比较时问题更突出。作者还提出一种基于微调的简单方法来提升模型在变换后程序对上的表现。该基准已发表于 ACL Findings 2026。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。