TestSuiteBench 基准：编码 Agent 测试生成能力评测
热点事件持续更新
TestSuiteBench 基准：编码 Agent 测试生成能力评测
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Kazuki Egashira 等人发布 TestSuiteBench，用于评测编码智能体从规格生成测试套件的能力。该基准包含 165 个开源应用，每个应用配有结构化行为规格、参考实现、参考测试套件，以及平均 74 个变异体。 结果显示，前沿编码智能体生成的测试套件变异得分低于 60%，即难以有效检出人为注入的缺陷；不过这些测试大多有效，88% 能在参考实现上通过。作为对照，针对同一规格生成的实现能通过 82% 的参考测试。
AI 根据报道生成 · 4 小时前更新
最新进展10月12日 12:00
TestSuiteBench：编码智能体难以从规格生成强测试套件报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.SETestSuiteBench：编码智能体难以从规格生成强测试套件
研究者提出 TestSuiteBench，包含 165 个开源应用，每个应用配有结构化行为规格、参考实现、参考测试套件和平均 74 个变异体。结果显示，前沿编码智能体生成的测试套件变异得分低于 60%，尽管其测试大多有效、88% 能在参考实现上通过；而针对同一规格生成的实现能通过 82% 的参考测试。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月12日 12:00
- 近 24 小时变化
- –
02.557.510
12:0013:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。