LLM 编码研究正在要求更难的工件和更紧的责任归属
当天最强的软件工程工作把 LLM 编码当作一个受控工程问题：构建更难的工件，把主张和证据绑定起来，并保留人工审查。ClassEval-Pro、Comet-H 和 Hot Fixing in the Wild 给出了最清楚的测量结果。
主题概况
Code Generation Benchmarks
LLM 辅助开发的代码责任
LLM 编码工作需要在紧急修复、类级评估任务和研究仓库中的公开声明上设更严的门槛。共同的压力是：模型生成或修改代码之后，谁来负责它的行为。