嵌入式编码智能体闭环评测基准发布

研究者 Jorge García-Carrasco 等发布了一套面向嵌入式编码智能体的闭环评测基准，用于检验智能体在传感、时序与安全约束下的闭环行为，而非静态代码质量。 该基准包含五个嵌入式控制任务和四种反馈场景：一次性生成、真实自验证、CI 式红/绿反馈和 oracle 式详细反馈。每个任务提供纯文本工程描述、受限工作区和可见的构建与运行界面，实现基于模拟 ESP32 固件以保证可复现性。 研究者用七种 GPT 系与 Qwen 系配置在五个任务、四种场景下各重复三次，共完成 420 次运行。

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。