AI EVALUATION, IN CONTEXT.BY EQUALITY MACHINE

LLM Stats

Program Bench

Program Bench evaluates code-generation agents by asking them to recreate a program's behavior from only a compiled binary and documentation. It spans 200 tasks from small CLI tools to large systems such as FFmpeg and SQLite, with submissions judged against more than 248,000 fuzz-generated behavioral tests.

评测信息与证据

来源
LLM Stats
发布者
未收录
评测发布日期
未收录
采集日期
2026-08-17
模态
text

本站保留来源报告的结果,不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期;不同运行条件不能直接合并为统一排名。

原始资料

报告成绩 6

按来源中的观察顺序展示,顺序不代表排名。日期保留原始精度。

模型数值单位协议报告日期与口径来源
Kimi K30.778未收录未收录2026-07-16 · model_announcementLLM Stats
GLM-5.20.637未收录未收录2026-06-16 · model_announcementLLM Stats
Kimi K2.7 Code0.536未收录未收录2026-06-12 · model_announcementLLM Stats
Seed 2.1 Pro0.503未收录未收录2026-06-24 · model_announcementLLM Stats
Seed 2.1 Turbo0.494未收录未收录2026-06-24 · model_announcementLLM Stats
GLM-5.30.19未收录未收录2026-08-14 · model_announcementLLM Stats