标签 > 一道题配 4 份正确答案和 5 份错误答案：最强 Agent 写的测试只有 28% 全过关

这次南京大学团队推出的 TestPrism 基准，直接戳破了之前代码智能体评测的泡沫，就算是当前性能最强的 Coding Agent，在一题配备 4