待验证50% 置信事实精确时间

代码生成基准测试（如HumanEval）的分数已接近饱和。

1

来源数

50%

置信度

长期有效

时效性

2026/10/23

首次发现

来源

AI编程工具触及饱和点？Muse代理擅自泄露住址引深思

youtubeIntellegix News2026/10/21

涉及实体

HumanEvalconcept

相关事实

待验证传统代码评测基准（如HumanEval、MBPP）主要测试模型在孤立函数级别的生成准确率80% 相似已验证HumanEval由OpenAI自研，专门测试代码生成的功能正确率77% 相似已验证代码大语言模型采用HumanEval、MBPP等可执行基准评估，即直接运行生成代码并检验输出是否正确74% 相似已验证HumanEval专注代码生成能力，以164道编程题检验模型的逻辑推理与代码正确性72% 相似已验证代码生成领域的模型评估如HumanEval、SWE-bench格外强调功能正确性而非流畅度72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1089472

API

curl https://kongchang.com/api/v1/knowledge/claims/1089472

MCP

get_claim(id=1089472)