AutoCodeBench— 腾讯混元开源测评大模型代码能力的数据集

AutoCodeBench是什么

autocodebench 是由腾讯混元团队推出的，专用于评估大模型代码生成能力的基准测试集。该测试集包含 3920 个编程问题，均匀覆盖 20 种主流编程语言，具备高难度、实用性强和多样性广的特点，能够全面衡量大模型在多语言环境下的代码生成表现。整个数据集通过自动化流程生成，确保数据质量与覆盖范围，并提供两个版本：轻量版 autocodebench-lite 用于快速模型对比，完整版 autocodebench-complete 适用于基础模型的评估。

腾讯混元

腾讯混元大由腾讯研发的大语言模型，具备强大的中文创作能力、逻辑推理能力，以及可靠的任务执行能力。

65

查看详情

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

AutoCodeBench的主要功能

• 多语言代码能力测评：涵盖 3920 道题目，分布于 20 种编程语言，系统评估大模型跨语言代码生成水平。
• 高挑战性测试设计：支持构建高难度编程任务，有效暴露大模型在复杂逻辑、边界处理等方面的短板。
• 性能差异增强机制：通过精心筛选的问题集构建 AutoCodeBench-Lite，显著放大不同模型之间的表现差距，便于精准排序与分析。
• 基础模型专用评估：采用 3-shot 提示方式构建 AutoCodeBench-Complete，专门用于评测未经过代码微调的基础大模型。
• 自动化数据合成：利用大语言模型生成测试用例输入，结合沙盒执行获取预期输出，自动生成高质量、可验证的代码数据。
• 多语言执行验证支持：内置 MultiLanguageSandbox 服务，支持超过 30 种编程语言的编译与运行，确保生成代码的功能正确性。

AutoCodeBench的技术原理

• 自动化数据生成流程：AutoCodeGen 模块使用大语言模型生成测试输入，将其送入沙盒环境执行并收集输出，从而构建完整的测试函数。采用“逆向构造”方法生成编程问题，提升问题的复杂度和多样性。通过多轮过滤策略（如重复检测、有效性验证、难度分级）确保最终数据集的高质量。
• 广泛的多语言支持：3920 个问题平均分配至 20 种编程语言，避免评估偏差。MultiLanguageSandbox 支持 30 多种语言的运行时环境，可准确验证各语言代码的执行结果，保障评估的公平性和可靠性。
• 高难度与真实场景结合：通过逆向生成机制构造贴近实际开发场景的复杂问题，结合策略性筛选，确保问题不仅难，而且具有现实应用价值，能有效反映模型在真实编程任务中的适应能力。

AutoCodeBench的项目地址

• 项目官网：https://www.php.cn/link/90f5c2fca26cdc32f97373bba4c0c337
• GitHub仓库：https://www.php.cn/link/90e4db0760fd77aa660c00369aef0ff6
• HuggingFace模型库：https://www.php.cn/link/4e828ce64a721c868278f5cec8f0684e
• arXiv技术论文：https://www.php.cn/link/c4879f4e698b7b6932923077a78898fa

AutoCodeBench的应用场景

• 模型能力全面评估：可用于系统性评测大模型在多种编程语言下的代码生成准确率与鲁棒性，识别其优势与不足。
• 高质量数据集建设：为代码生成领域提供可复用、高难度的数据资源，支持定制化数据集构建，助力模型训练优化。
• 多语言性能验证：评估模型对主流及低资源编程语言的支持能力，推动多语言代码生成技术的发展。
• 训练与迭代验证：作为补充训练数据或定期测试集，提升模型处理复杂编程任务的能力，并监控训练进展。
• 学术研究与工业落地：为学术界提供标准化评测基准，同时支持企业开发更可靠的代码辅助工具，加速AI编程产品的优化与部署。

以上就是AutoCodeBench— 腾讯混元开源测评大模型代码能力的数据集的详细内容，更多请关注php中文网其它相关文章！