编程智能体的新标准！MiniMax 发布 OctoCodingBench 基准测试

MiniMax推出开源基准测试OctoCodingBench，旨在评估编程智能体在代码仓库环境中遵循指令的能力。该测试弥补了现有基准（如SWE-bench）主要关注任务完成能力的不足，为智能体评估和优化提供了新方向。