InfoQ 中文T2·78 分
谷歌发布 Android Bench 2.0 支持长周期任务与连续评分
原标题：Android Bench 2 新增对长周期任务、智能评估和连续评分的支持
- 引入长周期任务（LHT），覆盖依赖升级、从零构建等需数天完成的工程实践
- 采用连续评分替代二元判定，提升对部分成功行为的识别精度
- 数据显示 AI 在生成新代码上表现优于重构旧代码，Claude Opus 5.5 暂居榜首
返回热点榜
agent热度 11.3°
AI 聚合热点事件 · 2026/10/26
谷歌发布 Android Bench 2.0 支持长周期任务与连续评分
1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/10/26 11:33:21
全景综述与最新动态
1 家信源交叉印证谷歌推出 Android Bench 2.0，新增长周期任务（LHT）评估、基于智能体的闭环测试及连续评分机制，以解决复杂多步骤开发任务的评估难题。该基准显示 AI 在编写新代码方面优于重构现有代码，Claude Opus 5.5 目前以 32% 的通过率位居榜首。
最新动向/谷歌推出 Android Bench 2.0，新增长周期任务（LHT）评估、基于智能体的闭环测试及连续评分机制，以解决复杂多步骤开发任务的评估难题。该基准显示 AI 在编写新代码方面优于重构现有代码，Claude Opus 5.5 目前以 32% 的通过率位居榜首。
逐小时热度走势
3 个完整观测小时当前
11.3
峰值
11.912:00
近 24h 变化
–
曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。