CRBugBench1 篇实战文章

速评：10 月 9 号 14 点 37 分挂上 arXiv 的 CRBugBench，测的是审查智能体能不能从仓库历史里把人工确认过的缺陷挖出来。 会被人截图到处转发的那行数字，恰恰是这篇论文里最不该单独拎出来的一行。 先看数字。