← 返回 AIRadar 首页

代码智能体基准测试 Doc2Harness 发布：评估大模型长程工程化能力

开源社区推出首个针对代码智能体长程测试框架工程的基准测试 Doc2Harness，覆盖 19 款前沿大模型与 328 个测试用例，推动智能体工程评估落地。