BigCodeBench1 篇实战文章

论文里有两个数字我盯着看了很久。BigCodeBench Hard 上，相对 CodeRL，解决任务数从 16 提到 23——漂亮，43.8%。然后眼神往下扫到同一张表的下半部分，BigCodeBench Full：359 到 363。你没看错，四个任务，1.1%。