arXiv · cs.AI· Yunlong Wang·· 14 小时前AI 评分50
FeatureArc：在演化特性上评测编程 Agent 的新基准
FeatureArc: Benchmarking Coding Agents on Evolving Features
来源与原文
arXiv · cs.AI
作者：Yunlong Wang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.37434v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
腾讯团队推出 FeatureArc 基准，从仓库历史构建任务，评测编程 Agent 在同一特性连续演化各阶段中的表现，覆盖 4 种编程语言的 73 个任务（2 至 10 个阶段），测试了 10 个 Agent。汇总成功率从首阶段的 62.7% 降至全特性最终代码测试的 28.5%，72.9% 的后期失败阶段存在继承缺陷，且失败后 Agent 约 95% 的情况下不会察觉早期错误。该流程已扩展至腾讯内部评估，用于指导 Hunyuan 的开发。
来源：arXiv · cs.AI · arxiv.org