PolyCodeEval1 篇实战文章

速评：PolyCodeEval 这篇里最该记住的数字是 31.0%，不是 71.7%。 10 月 8 号挂上 arXiv，2590 个任务、58 个能真跑起来的开源仓库、五种语言，三个粒度上的最好成绩分别是函数级 71.7%、文件级 76.7%、仓库级 31.0%。 先停一下。文件级比函数级高。