AI圈报论文研究普通
腾讯混元发布 WebCraftBench 真实应用评测基准
原始标题：Real-world app requests don't come as perfect specs. Congrats to the @TencentHunyuan team on WebCraf…
内容摘要
腾讯混元团队推出 WebCraftBench，基于 Code Arena 内部复刻版收集的 369 条真实请求构建，涵盖非正式语言、不完整指令等真实使用场景。该基准测试 AI 构建应用的外观、功能与需求达成度，在 17 个模型上的排名与 Code Arena 排行榜相关系数达 0.89；在 197 对人工验证样本上，与人类偏好匹配率 85.3%。