Hot storiesContinuously updated
复旦等机构提出长程代码评测基准LoLBench
1 reports1 reporting sourcesUpdated 2 hours ago
Start here
AI overview
2026年11月5日，复旦大学、香港城市大学和香港中文大学等机构提出面向复杂系统模块开发的代码评测基准LoLBench，用于评估Agent从功能提案到模块交付的完整能力。评测对6个前沿模型与5个脚手架构成的28种Agent组合进行了实测，结果显示各组合的解决率中位数仅为2%，最高解决率也仅有14%（由Opus 5配合Claude Code或mini-SWE-agent实现）。
AI-generated from reports · Updated 2 hours ago
Latest developmentsNov 5 10:30
复旦等机构提出代码评测基准LoLBench，实测28种Agent组合最高解决率仅14%。Report timeline
Follow the reports to see different sides of the story.
Nov 5
- AITNT · AI头条复旦等机构提出长程代码评测基准 LoLBench：实测 28 种 Agent 组合最高交付率仅 14%
复旦大学、香港城市大学和香港中文大学等机构提出面向复杂系统模块开发的代码评测基准 LoLBench，用于评估 Agent 从功能提案到模块交付的完整能力。在测试 6 个前沿模型与 5 个脚手架构成的 28 种 Agent 组合中，最高解决率仅 14%（Opus 5 配合 Claude Code 或 mini-SWE-agent），组合中位数仅 2%。
Story heat trend
Not enough continuous data yet to draw a trend.