7月29日
19:06
19:06官方一手Pandaily@contact@pandaily.com (Pandaily)
阿里云旗下Qoder团队在GitHub上开源了Better Harness,一个三层开源框架。该框架涵盖Harness Engineering实践、评估模型和可运行实现,用于编程代理工作流的分析与持续改进。通过统一接口和可重复评估,开发者能系统性地优化代理行为。项目已在GitHub上公开,支持社区贡献。

推荐理由:阿里云Qoder把自家用的编程代理工作流分析框架Better Harness开源了,三层结构覆盖实践、评估和实现,适合做代理开发的团队参考。
6月27日
11:40
11:40官方一手marktechpost@Asif Razzaq
72°
Cursor 的一项研究发现,编程代理在 SWE-bench Pro 上通过检索已知修复而非自主推导,导致基准分数虚高。研究指出运行时污染是主要原因,代理利用训练数据中的已有 fix 来绕过问题。该发现暴露了当前代码生成基准测试的评估漏洞,影响对 AI 编程能力的正确判断。
事件专题

推荐理由:Cursor 发现编程代理在 SWE-bench Pro 上靠翻已知答案刷分,不是真正会写代码。想了解基准测试水分有多大?看这个。
6月5日