阿里等发布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，测试智能体改造现有 Web 应用的能力。结果显示，智能体仅完整完成约四分之一的任务。 该基准基于真实用户变更请求，支持图像、音频、视频和文档输入。测试中每个任务只给一条固定请求，不包含用户追问或中途修正；评测由 AI 裁判执行，而 AI 裁判也可能出错。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。