DualGauge：规格代码生成联合安全基准

2026年10月30日，arXiv Artificial Intelligence 刊出 Rupam Patir 等作者的报道，提出并发布 DualGauge 自动化联合评测框架及配套的 DualGauge-Bench 基准。据该报道，DualGauge 是首个全自动联合评估“仅凭规格生成代码”正确性与安全性的框架；DualGauge-Bench 为语言无关的编程任务基准，包含 307 个任务，每个任务的功能测试与安全测试均源自同一份规格。报道称该框架面向 LLM 与编程智能体仅凭规格生成代码的场景，但未在现有材料中给出评测结果、覆盖模型范围或使用条件。目前事件进展停留在框架与基准的发布阶段，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。