已验证65% 置信事实精确时间

HumanEval基准包含164道编程题，是衡量代码生成能力的主流标准

3

来源数

65%

置信度

长期有效

时效性

2026/7/20

首次发现

来源

Vibe Coding入门指南：零基础用AI造出真实应用

相关事实

待验证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83% 相似待验证从3万行代码中精准找出有问题的300行，需要人类专家完全理解代码并快速定位，这是人类价值的核心71% 相似待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70% 相似已验证HumanEval是由OpenAI于2021年发布的代码生成基准测试，包含164个手写的Python编程问题69% 相似待验证HumanEval等传统代码评测基准通常只要求模型根据函数签名和文档字符串生成独立函数，本质上是受限的代码补全任务68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/575607

API

curl https://kongchang.com/api/v1/knowledge/claims/575607

MCP

get_claim(id=575607)