来自 swyx（@swyx）的推文线程

在 @aidotengineer CODE 大会上，关于编码评估的过去、现在和未来，演讲非常精彩。基本上可以按阶段追踪： 秒：副驾驶竞技场 分钟：LiveCodeBench 多分钟：RepoChat ~小时：GSO 数小时：合朔 天： ？？？ https://t.co/exTyCakFxe 当我邀请 @StringChaos 来演讲时，我甚至不知道他已经全职加入 @Cursor_ai；我当时只是期待他能分享 LiveCodeBench youtube.com/watch?v=tHN44y…顾了过去三年代码评估工具的演变历程，以及社区从中汲取的经验，包括 o3 的奖励机制优化，以及用于迁移海量代码的基准测试和在线评估，以应对延迟和实际应用的限制。最后，他还为正在构建代码评估工具的开发者提供了一些切实可行的建议。