人工智能2026-09-153606

编码 Agent 换 Harness 实测｜平均分不动成本反涨的坑

同模型换Harness，平均成绩几乎不变，成本却涨1.2-1.6倍。编码Agent选型需影子实验与成本口径。

编码AgentHarness评测成本核算影子实验

阅读更多

人工智能2026-09-113521

功能测试通过≠可合并｜编码Agent评测避坑

644个通过功能测试的修复中221个不满足评审约束。拆解SWE-Gate基准与评审约束量化方法。

编码Agent评测功能测试代码评审SWE-Gate

阅读更多