持续追踪

用同一任务的不同交接版本检验覆盖图稳定性

按时间保留当时的判断和后续核查;历史收录不代表刚刚重新验证。

2026-10-17 · 当时的记录

最终交付目标和测试保持不变时,把完整需求拆成逐步交接,是否会改变基准到职业任务的映射与模型完成率,而且两种变化方向并不一致?

回到当期正文 ↗

查看依据Mercor Benchmark Map(2026)及方法 · Wang等(2026):Agent开发与真实工作 · SWE-TaskFlow(2026) · WorkArena++(2024)