技术博客

Code2Bench并非传统意义上的静态基准测试，而是一个持续演进的代码语言模型评估框架。其核心理念在于实现“双重扩展”，即在任务维度与能力维度同步拓展评估边界：一方面超越标准编程题复现，转向对未知工程问题的建模、分解与求解；另一方面推动评估从语法正确性、功能实现，延伸至系统设计、权衡决策与协作适配等真实工程能力。该框架标志着代码语言模型评测正从“能否写对”迈向“能否做成”。