**Co-Design Bench：首个面向智能体的多模态协同编程评估基准**

_Co-Design Bench: Multimodal Collaborative Coding Evaluation for Agentic Models_

> 该研究提出了 Co-Design Bench，这是一个无参考基准，包含 273 个任务，源自 2.6 万多次真实用户的编程会话。基准涵盖多模态编辑与仓库编辑两个赛道，并引入“判决 - 反驳”协议以验证智能体将用户多模态请求转化为可运行代码的能力。结果显示，最强模型端点平均仅满足 69.9% 的验收标准，且完成完整任务的比例仅为 26.4%，揭示了智能体在真实用户应用修订中的能力差距。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.35138)