熱點事件持續更新
FrontierCode 1.1 評估程式碼修改
1 篇報道1 個報道來源2 小時前更新
先了解這件事
AI 綜述
Artificial Analysis 上線 FrontierCode 1.1 獨立排行榜，使用 100 項真實開源儲存庫任務，評估模型提交的程式碼修改是否達到維護者可合併的標準。排行榜除了檢查測試能否通過，亦評估是否有過度修改、改動範圍及測試質素。報道列出 Claude Opus 5.5 (max with fallback) 平均得分為 52%，通過率為 58%。在 100 項任務中，有 9 項沒有任何模型在任何一次嘗試中通過。
AI 根據報道生成 · 2 小時前更新
報道時間線
沿着報道，瞭解事件的不同側面。
10月13日
- Artificial Analysis 完整文章Artificial Analysis 上線 FrontierCode 1.1 獨立排行榜，評估模型程式碼修改能否合併
Artificial Analysis 上線 FrontierCode 1.1 獨立排行榜，以 100 項真實開源儲存庫任務評估模型提交的修改是否達到維護者可合併的標準。基準除測試能否通過，亦評估過度修改、改動範圍及測試質素；Claude Opus 5.5 (max with fallback) 平均得分為 52%，通過率為 58%。100 項任務中，有 9 項沒有任何模型在任何一次嘗試中通過。
本事件熱度走勢
還沒有足夠的連續觀測數據，暫不繪製趨勢。