Cognition 发布 FrontierCode，首个衡量代码“可合并性”的 AI 编程评测基准

当AI编程模型的代码正确性已不再是一个问题，如何衡量代码"质量"就成了新的焦点。Cognition日前发布了FrontierCode，这是一个专门衡量AI模型能否写出达到生产合并标准的代码的评测基准。与现有编程评测基准不同，FrontierCode不去评估"代码对不对"，而是"维护者会不会真的合并这个PR"。 当前主流编程评测基准如SWE-Bench...