এআই কোডবেস মাইগ্রেট করতে ব্যর্থ: ২০টি কাজে ৯৪.৬% ব্যর্থতার হার

iconKuCoinFlash
শেয়ার
AI summary iconসারাংশ
এআই + ক্রিপ্টো সংবাদ: এআই এজেন্ট কোম্পানি আইনসিয়া সোয়ে রিফ্যাক্টর বেঞ্চ প্রকাশ করেছে, যা 20টি বাস্তব-জগতের কোড মাইগ্রেশনের উপর কোডিং এজেন্টগুলির পরীক্ষা করে। কাজগুলির মধ্যে ছিল C থেকে Rust, Maven থেকে Gradle, এবং SQLite থেকে WASI। 520টি রানের মধ্যে শুধুমাত্র 28টি সম্পূর্ণভাবে পাস করেছে, যার সফলতার হার 5.4%। তেরোটি কাজে কোনো সম্পূর্ণতা হয়নি। Claude Opus 5-এর xhigh কনফিগারেশন পাঁচটি সম্পূর্ণ পাসের সাথে শীর্ষে ছিল। সুদের হারের সংবাদের ফলাফলে কোনো প্রভাব পড়েনি।
ME AI সংবাদ, ডায়নামিক এআই সংক্ষিপ্তসার, এআই এজেন্ট কোম্পানি Einsia এখন SWE Refactor Bench প্রকাশ করেছে, যা কোডিং এজেন্টের ক্ষমতা পরীক্ষা করে যে এটি কি একটি সম্পূর্ণ কোডবেস নিজেই মাইগ্রেট করতে পারে। 20টি টাস্ক SQLite, zlib, libsodium, GraphHopper ইত্যাদি বাস্তব প্রকল্পগুলির থেকে নেওয়া হয়েছে, যার মধ্যে C থেকে Rust-এ, Maven থেকে Gradle-এ, SQLite-কে WASI-তে মাইগ্রেট করা অন্তর্ভুক্ত। প্রতিটি টাস্কের জন্য এজেন্টকে 6～30 ঘন্টা সময় দেওয়া হয়। পরীক্ষার প্রথম পর্যায়ে পরীক্ষা করা হয় যে পুরনো টেকস্ট্যাকটি সত্যিই প্রতিস্থাপিত হয়েছে কিনা, যাতে এজেন্টটি পুরনো কোড রেখে চলে যায়; দ্বিতীয় পর্যায়ে 130,000টিরও বেশি ফিক্সড চেক চালানো হয়; শেষে 6টি স্বতন্ত্র কোডিং এজেন্টকে 1ঘন্টা করে সময় দিয়ে লুকানো bug-এর জন্য খুঁজতে পাঠানো হয়। 8টি অগ্রণী মডেল, 26টি কনফিগারেশন—মোট 520টি রান। 340টিরওবেশি মাইগ্রেশনসম্পন্ন হয়েছিল, 88টিরওবেশি 100% টেস্টগুলি pass-এর result-এর s1>পাওয়ায়, but 60টিরওবেশি last round-এ hidden bug-এর jন্ধা।最終只有28次完全过关，通过率5.4%；20个任务里有13个没人做成。Claude Opus 5 的 xhigh 配置最好，20 个任务完整通过 5 个。 现在的 Coding Agent 已经能大规模改代码，但要做到「整个系统改完还能完全不出错」，还差得很远。（来源：BlockBeats）
উৎস:আসল দেখান
দাবিত্যাগ: এই পৃষ্ঠার তথ্য তৃতীয় পক্ষের কাছ থেকে প্রাপ্ত হতে পারে এবং অগত্যা KuCoin এর মতামত বা মতামত প্রতিফলিত করে না। এই বিষয়বস্তু শুধুমাত্র সাধারণ তথ্যগত উদ্দেশ্যে প্রদান করা হয়, কোন ধরনের প্রতিনিধিত্ব বা ওয়ারেন্টি ছাড়াই, বা এটিকে আর্থিক বা বিনিয়োগ পরামর্শ হিসাবে বোঝানো হবে না। KuCoin কোনো ত্রুটি বা বাদ পড়ার জন্য বা এই তথ্য ব্যবহারের ফলে যে কোনো ফলাফলের জন্য দায়ী থাকবে না। ডিজিটাল সম্পদে বিনিয়োগ ঝুঁকিপূর্ণ হতে পারে। আপনার নিজের আর্থিক পরিস্থিতির উপর ভিত্তি করে একটি পণ্যের ঝুঁকি এবং আপনার ঝুঁকি সহনশীলতা সাবধানে মূল্যায়ন করুন। আরও তথ্যের জন্য, অনুগ্রহ করে আমাদের ব্যবহারের শর্তাবলী এবং ঝুঁকি প্রকাশ পড়ুন।