kw-bench基准测试发布

2026年10月28日，arXiv Artificial Intelligence 刊出由 George Juraj Salapa 等人提出的 kw-bench 基准测试。该基准由专家向作者描述的真实业务项目构建，首个任务族要求从三代 SAP 原始系统导出的数据中重建五年增值税。报道称其评分完全确定性、不使用 LLM 判分，用于评测编码智能体的 harness。目前该事件仅有这一篇主报道，尚无跟进报道，后续进展有待观察。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。