Unverified50% confidenceFactExact time
编程能力的评估通常参考HumanEval、MBPP、SWE-bench等标准化基准测试，但实际工程场景表现与基准测试结果存在差异
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
AI工程化编程实战：从Vibe Coding到企业级项目开发指南
bilibiliAI大模型学习教程6/22/2026
Related Claims
UnverifiedHumanEval、MBPP、SWE-bench是AI编程评测领域的行业标准基准测试80% similarUnverified当前主流基准测试体系如HumanEval、MBPP等代码评估集往往关注平均性能，对分布式的场景特定退化现象敏感度不足80% similarUnverified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77% similarUnverified业界普遍依赖 HumanEval、SWE-bench 等基准测试评估LLM编程能力76% similarUnverifiedHumanEval 和 MBPP 主要衡量模型代码生成能力，而代码审查是本质不同的任务，业界目前缺乏标准化的代码审查基准测试76% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/42617API
curl https://kongchang.com/api/v1/knowledge/claims/42617MCP
get_claim(id=42617)