阿里等团队发布Co-Design Bench编码智能体基准

阿里巴巴与多所亚洲高校的研究者发布编码智能体基准 Co-Design Bench，要求智能体根据真实用户变更请求改造现有 Web 应用，并支持图像、音频、视频和文档输入。测试中表现最强的模型仅完整完成 26.4% 的任务。 该基准每个任务只评估一条固定请求，不包含用户追问或中途修正；评测由 AI 裁判执行，研究团队称 AI 裁判也可能出错。

AI 根据报道生成 · 22 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。