腾讯发布 WorkBuddy Bench：多领域编码智能体评测套件

腾讯推出 WorkBuddy Bench，一个覆盖 Code、Web、Office、Security 四个工作领域的编码智能体评测套件。每个任务均从真实 commit、PR 或业务场景逆向工程而来，改写为口语化角色扮演请求，从构造上抵抗数据污染。该基准在 CodeBuddy Code 和 Claude Code 上运行，所有任务目录、环境镜像、评分工具和参考方案均开源发布。

查看原文：https://arxiv.org/abs/2607.20911

来源：HuggingFace Daily Papers（社区热门论文）