待验证50% 置信事实精确时间
EffiBench是评估大模型生成代码效率的基准测试集，包含1000道编程题，每题配有经过性能优化的人类参考实现，并标注执行时间与内存占用等效率指标。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
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。71% 相似待验证AlexBench 是一个侧重代理式任务与真实工作流的自动化评估集合，强调端到端完成度，对测试框架依赖明显。67% 相似待验证Prism基准测试侧重衡量AI编程智能体在端到端任务中的实际可用性，通常包含代码生成、调试、跨文件修改等子任务67% 相似待验证EICS（Evaluation-Invariant Concept Stability）是一个用于检验表征的指标，通过受控的单一概念干预测试模型表征是否能一致地编码目标概念67% 相似待验证鸿蒙自动化测试是典型长链路任务，涉及跨领域知识融合、强依赖性和反馈循环，链路从读取需求到测试用例设计、脚本执行、输出测试报告67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098284API
curl https://kongchang.com/api/v1/knowledge/claims/1098284MCP
get_claim(id=1098284)