DualGauge：代码生成安全-功能联合自动化评测基准

DualGauge 研究团队在 arXiv 发布论文，提出 DualGauge 框架，用于完全自动化地联合评测 LLM 与编码智能体在规格生成（specification-only）代码生成中的正确性与安全性。 该团队同时配套发布了 DualGauge-Bench，一个语言无关的基准，包含 307 个编程任务，每个任务都配有从同一规格派生的功能测试和安全测试。研究团队称这是首个此类完全自动化的安全与功能联合评测框架。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。