BigCode 发布 BigCodeArena 代码生成评测平台及自动化基准

BigCode 发布 BigCodeArena，首个支持代码实际执行与人类投票的模型对比平台，并开源了包含1.4万对话的社区数据。同时推出 BigCodeReward 和 AutoCodeArena 两个新基准，利用执行结果显著提升奖励模型对齐度，并在自动化评测中显示 GPT-5 等模型表现领先。