arXiv · cs.AI· Yuanzhe Liu, Bastian Lipka, Avraham Shinnar, Jatin Ganhotra, Yao Ma, Martin Hirzel·· 6 小时前
研究者分析编码基准中的任务过度指定与信息泄漏
Between Spoilers and Guesswork: Avoiding Over-Specification in Coding Benchmarks
arXiv:2610.22760v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yuanzhe Liu, Bastian Lipka, Avraham Shinnar, Jatin Ganhotra, Yao Ma, Martin Hirzel
研究任务与主要进展
研究者分析了编码基准中任务说明不足和过度指定的权衡，指出从真实答案提取提示可能泄露信息并形成“剧透”。作者在 SWE-bench Pro、FEA-bench、Doc2Feat-bench 和 Multi-SWE-bench 等基准上比较不同说明程度，并建议使用更精简的提示；作者表示将发布这些提示以改善基准信号。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org