南开大学软件学院论文被CCFA类期刊TOSEM2026录用,提出Build-bench基准,基于268个真实跨架构构建失败软件包评估大语言模型系统级构建能力。实验显示GPT-5最高成功率达63.19%,迭代反馈和工具使用是关键。研究将LLM评测从代码生成推进到真实系统构建,揭示了当前模型在复杂任务中的能力边界。
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章
网络安全文章