Epoch AI 推出 MirrorCode 基准：测试 AI 智能体重写 CLI 程序的能力

Epoch AI 发布 MirrorCode 基准，测试 AI 智能体在无源码、无网络条件下仅凭黑盒执行和文档重写命令行程序的能力。基准包含 25 个目标程序、6 种实现语言共 132 个任务实例，每个程序有数百到数千个端到端测试用例，平均保留 34% 隐藏测试以防查表作弊，需 100% 通过才算解决。