腾讯推出 WorkBuddy Bench，一个覆盖 Code、Web、Office、Security 四个工作领域的编码智能体评测套件。
每个任务均从真实 commit、PR 或业务场景逆向工程而来，改写为口语化角色扮演请求，从构造上抵抗数据污染。
该基准在 CodeBuddy Code 和 Claude Code 上运行，所有任务目录、环境镜像、评分工具和参考方案均开源发布。
Noticias IA / Investigación
Back to AI news
Tencent lanza WorkBuddy Bench: Suite de evaluación de agentes inteligentes de codificación en múltiples campos
Tencent lanzó WorkBuddy Bench, un conjunto de evaluación de agentes inteligentes de codificación que abarca los cuatro campos de trabajo: Code, Web, Office...
Resumen diario de inteligencia IA
Tencent lanzó WorkBuddy Bench, un conjunto de evaluación de agentes inteligentes de codificación que
abarca los cuatro campos de trabajo: Code, Web, Office y Security. Cada tarea se deriva de commits reales, PRs o escenarios de negocio mediante ingeniería inversa, y se reescribe en forma de solicitudes de juego de rol conversacionales, diseñadas para resistir la contaminación de datos desde su construcción. Este benchmark se ejecuta en CodeBuddy Code y Claude Code, y todos los directorios de tareas, imágenes de entorno, herramientas de evaluación y soluciones de referencia se publican como código abierto.
资讯正文 · AI 整理
Evaluación de inteligencia
Aioga 编辑摘要
腾讯发布 WorkBuddy Bench，用于评测编码智能体在 Code、Web、Office 与 Security 四类工作领域中的表现。材料称，该套件已在 CodeBuddy Code 和 Claude Code 上运行，并公开发布相关评测资源。
背景分析
该基准的任务由真实 commit、PR 或业务场景逆向工程而来，再改写成口语化的角色扮演请求。材料明确将这一设计描述为从构造上抵抗数据污染，试图减少模型因见过原始材料而获得的优势。
Aioga 观点
Aioga 判断，WorkBuddy Bench 的重点不只在覆盖多个任务领域，也在于公开任务目录、环境镜像、评分工具和参考方案。这可能让外部研究者更容易复现任务环境，并检验评测结果的可比性。
影响与后续
值得关注的是，材料仅说明该基准已在两种编码智能体上运行，并未提供具体得分、任务数量或两者优劣结论。因此，现阶段不应据此推导任何模型能力排序，后续比较仍需依赖完整实验结果。 后续可关注公开资源中各领域任务的具体定义、评分方式与参考方案，以及是否披露 CodeBuddy Code 和 Claude Code 的完整运行结果。Aioga 判断，这些信息将决定该基准是否适合用于跨系统的稳定比较。
Source and Copyright
La fuente proporciona título, resumen, atribución y enlace original. Aioga no republica el artículo completo.
Canal de ingesta: Agregación de resúmenes · Dominio original: arxiv.org
Fuente: HuggingFace Daily Papers（社区热门论文）
Enlace original: Abrir fuente original
Archivo Aioga: Abrir página de inteligencia
Content record: summary-fallback · Updated: 2026-07-23T00:00:00.000Z
API RELAY · DEVELOPER INFRASTRUCTURE
API 中转站
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this article