coding benchmark1 篇实战文章

先说结论：arXiv:2611.05665 这篇，是我今年读过最不给面子的论文。一个工具名没点，一句重话没说，就是把九个 coding benchmark 拆开，问了一句——你们测的，到底是不是你们说你们在测的东西？ 这问题不用回答。摆出来就是判决。 论文干的事不复杂。