跳到正文
GitHub 新星仓库·· 24 天前精选AI 评分80

Bouncer 用隐藏测试验证编码智能体成果

lunox-work/bouncer

AI 导读

Bouncer 通过独立会话编写智能体未见的隐藏测试,核验 Claude Code、Codex、Cursor 等编码智能体提交的结果。实验中 105 次声称全部测试通过的结果有 75 次错误,Bouncer 将其中的错误实现挡下,并提供公开与隐藏测试、规格识别和结果判定流程。

推荐理由

工具通过独立会话编写隐藏测试来核验编码智能体成果,文章还提供了实验数据、适用边界和完整命令。

来源:GitHub 新星仓库 · github.com