热点事件持续更新
复旦等机构提出长程代码评测基准LoLBench
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 1 小时前更新
最新进展11月5日 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%。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- 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%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。