程序输出与检查点状态预测基准发布
Get the story
2026年10月9日，arXiv 软件工程方向发布一项一手研究，提出面向真实程序的精确输出与检查点状态预测评测基准。该基准仅依据源代码和输入预测最终输出与检查点状态，扩展了 CRUXEval 式输出预测，加入成对短/长 trace 输入以及循环内外检查点。基准包含来自 371 个 Python 和 C++ 程序的 400 个用例，并在四个模型族、无工具或代码执行的七种设置下进行评测；在 11,200 个计划预测中，11,151 个产生可评分结果。报道未提及模型排名、具体分数或后续计划。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Software Engineering真实程序中精确输出与检查点状态预测的评测基准
该基准仅依据源代码和输入预测最终输出与检查点状态，扩展 CRUXEval 式输出预测，加入成对短/长 trace 输入及循环内外检查点。基准包含来自 371 个 Python 和 C++ 程序的 400 个用例，在四个模型族、无工具或代码执行的七种设置下评测；11,200 个计划预测中 11,151 个产生可评分结果。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.