LIFE生活網AI 程式碼工具真能助寫程式？新測試揭模型極限 | LIFE生活網
來源 商傳媒全文約 853 字
文章摘要
LIFE生活網 · 文章頁摘要• 新的 ExpertCrowd-SWE 基準測試旨在評估 AI 程式碼工具在真實軟體工程任務中的能力。 • 該測試取材自 87 個開源專案，涵蓋 11 種程式語言，要求 AI 模型修復錯誤或新增功能。 • 與傳統測試不同，ExpertCrowd-SWE 顯示出不同 AI 模型在實際軟體工程挑戰中的性能差距擴大。 • Anthropic 的 Claude Opus 5.5 在新測試中表現最佳，其次是 OpenAI 的 GPT-6 Astra。
隨著人工智慧（AI）程式碼工具日益普及，其可靠性問題逐漸受到 AI 研究人員和模型開發商的質疑。傳統的 AI 基準測試方法，有時會掩蓋不同模型之間的顯著性能差異，使得開發者難以評估這些工具在實際軟體工程工作中的表現。...