待验证50% 置信事实精确时间
ProgramBench 是一个面向编程任务的评测基准，通常给出函数级或仓库级的编程问题，并以单元测试通过率等指标衡量结果。
1
来源数
50%
置信度
长期有效
时效性
2026/10/25
首次发现
来源
涉及实体
相关事实
待验证SlopCodeBench是一个针对代码生成任务的基准测试，通过检查点机制评估模型输出是否满足一系列功能与质量要求。77% 相似待验证ProgramGym 的效果在 ProgramBench 基准上得到了验证75% 相似已验证Terminal-Bench是专门评估AI模型在命令行环境中执行复杂任务能力的基准测试，涵盖文件操作、脚本编写、系统调试等场景72% 相似待验证SWE-Bench主要依赖单元测试是否通过来判定任务成功与否，但通过测试并不等于代码质量过关69% 相似待验证长周期编码基准测试（如SWE-bench）考察模型处理软件仓库级别任务的能力，包括读取代码库、定位Bug、跨文件修改并通过测试68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1095448API
curl https://kongchang.com/api/v1/knowledge/claims/1095448MCP
get_claim(id=1095448)