2 / 18
第 2 页 · 文字版
它们在重建什么程序 给 Agent 一个能运行的参考程序,让它们观察输 入输出,再从零写出行为相近的实现。这就是论 文采用的 ProgramBench 任务。 01 02 03
运行参考 → 观察输入 → 编写并 程序 和输出 验证实现
允许 运行参考程序,读取仓库文档和素材。 读取程序字节、反编译、联网下载原实 禁止 现。 评估 6 小时后,用隐藏测试检查最终仓库。 从 200 个任务中选取 5 个最难的任务。结果适用于这 组软件重建实验,不能直接外推企业应用。 论文§3、附录A/C · 第6、11、13页 02 / 18
文字版便于检索与复制,图表和排版请切回「图文」。
资料说明与出处
读清任务认领、共享试错、合并与扩容的实验边界。
心晴九天整理 · 原资料版本:2026-10-13
由心晴九天历史配套资料转排,保留当时的事实与未验证说明。网页用于分段阅读;原图、表格排版与可点击引文请对照原版 PDF。
配套练习与阅读提示
- 先区分不同任务与不同规模的实验
- 用一份认领、验证和合并记录检查协作过程
选一个小项目,先写下单 Agent 与小团队的对照条件。
使用统计:关闭
帮助心晴了解哪些内容有用。默认关闭;不记录问题正文、私人笔记、手机号或聊天内容。
允许关联后,登录账号的页面与操作可由运营查看。已启用浏览器“不跟踪”时不采集。明细最多保留 90 天,后台读取或每日首次采集时清理。