腾讯混元团队推出 WebCraftBench，基于 Code Arena 内部复刻版收集的 369 条真实请求构建，涵盖非正式语言、不完整指令等真实使用场景。该基准测试 AI 构建应用的外观、功能与需求达成度，在 17 个模型上的排名与 Code Arena 排行榜相关系数达 0.89；在 197 对人工验证样本上，与人类偏好匹配率 85.3%。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmuekvk7o068proynde8tx9o6
信息源：AI HOT · 全部动态
- 原文链接：腾讯混元发布 WebCraftBench 真实应用评测基准
- 作者：X：Arena (@arena)
- 发布时间：2026/09/24 04:30
评论0