评测大模型复杂编程能力时，究竟给了什么 Prompt，为什么一次任务会持续几小时？
测试大模型的超复杂编程能力的时候，用的 prompt 会是什么？我看它们报道说一次运行就好几个小时
这一版的回答 1
_本次整理（2026-09-08），非原对话逐字回答。_
_本次整理（2026-09-08），非原对话逐字回答。_ 没有一种统一的“超复杂编程 Prompt”。真实评测通常把任务说明、代码仓库、工具接口、运行预算和评分方式一起交给代理；其中评分器未必对代理可见。只知道报道说“跑了几小时”，还无法还原那次实验的准确提示词。 以 SWE-bench 为例，任务的核心输入是一个…
关联内容 0
建议关联 ↗关联连接不同内容，不改变原来的追问路径。社区关联表达提交者的判断，不代表平台核实。
还没有收录的关联。你可以提出一条连接及其理由。