热点事件持续更新
研究揭示代码智能体评测存在“规范-预言机鸿沟”
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月23日，arXiv自然语言处理领域发表的一项研究指出，当前代码智能体评测基准中普遍存在“规范-预言机鸿沟”（specification-oracle gap）。该问题表现为任务的自然语言描述中未包含上游测试所需的常量名或模块路径等关键信息，导致测试在评估智能体功能实现的同时，实际上也在衡量其复现上游特定实现细节的能力，从而影响了基准评估的客观性与准确性。
AI 根据报道生成 · 7 小时前更新
最新进展10月23日 12:00
研究指出代码智能体评测存在规范-预言机鸿沟，测试过度依赖未说明的实现细节。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 自然语言处理代码智能体评测中的规范-预言机鸿沟：测试依赖未说明的实现细节
研究指出了代码智能体评测基准中普遍存在的规范-预言机鸿沟，即任务自然语言描述未包含上游测试所需的常量名或模块路径等信息，导致测试同时衡量了智能体复现上游实现细节的能力。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23日 13:00）·近 24 小时可比范围变化 –
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。