Pass@k

评估语言模型代码生成能力的标准化指标，由OpenAI在HumanEval基准测试中引入。Pass@k表示在k次采样中至少有一次生成正确结果的概率，用于衡量模型生成质量与稳定性，后被广泛借用于Agent系统评估领域。