PBT-Bench：AI智能体属性测试基准发布

2026年10月7日，arXiv 软件工程栏目发布 PBT-Bench，一个面向 AI 智能体属性测试的基准。该基准包含 100 个属性测试问题，覆盖 40 个真实 Python 库，共注入 365 个语义 bug，平均每题 3.65 个，并按 L1-L3 难度分层。目前公开信息仅涉及基准构成与难度设计，尚无评测结果或后续更新。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。