如今 Agent 已经能熟练调用工具、修改文件、运行测试，但面对一个长期演进的大型软件系统，它能否从一份新需求出发，交付完整功能？复旦大学、香港城市大学、香港中文大学等机构提出 LoLBench，把 Agent 放进平均约 240 万行源代码的软件系统，评估从功能提案到模块交付的完整过程，检验把需求落到系统中的感知能力，以及完成跨模块修改的实现能力。LoLBench 希望推动 Agent 能力评估从生成代码走向支持软件持续演进，让交付结果成为检验 Agent 能力的尺度。
如今 Agent 已经能熟练调用工具、修改文件、运行测试，但面对一个长期演进的大型软件系统，它能否从一份新需求出发，交付完整功能？复旦大学、香港城市大学、香港中文大学等机构提出 LoLBench，把 Agent 放进平均约 240 万行源代码的软件系统，评估从功能提案到模块交付的完整过程，检验把需求落到系统中的感知能力，以及完成跨模块修改的实现能力。LoLBench 希望推动 Agent 能力评估从生成代码走向支持软件持续演进，让交付结果成为检验 Agent 能力的尺度。