研究团队表示，三款模型基于相同的基础训练数据集，高一致率的结果符合预期。真正具备研究价值的是模型间25%的分歧部分，这种差异大概率并非源于模型对工具质量的独立判断，而是由基于人类反馈的强化学习（RLHF）调优策略不同，以及生成环节的专属微调差异导致。

新智元报道 编辑：LRST【新智元导读】AI能写代码，却修不好构建环境、看不懂系统监控、串不起全链路运维——新基准DevOps-Gym显示，顶级模型在真实软件工程任务中全链路成功率归零，暴露其缺乏长程推理与动态系统理解能力，AI辅助编程远未触及真实开发核心。随着LLM的爆发，Coding ...