Tencent이 코딩 에이전트 평가를 위한 다중 도메인 벤치마크 WorkBuddy 벤치를 공개했어요.
WorkBuddy 벤치는 실제 커밋, 풀 리퀘스트, 비즈니스 시나리오에서 역추적하여 작업 요청을 재작성하여 웹 검색으로 작업 프롬프트를 복구할 수 없도록 설계됐어요.
코드, 웹, 오피스, 보안의 4가지 워크 도메인을 포괄하며, 각 도메인은 고유한 검증 스타일을 사용해요.
전체 공개를 통해 벤치마크의 재현성과 투명성을 확보하고, 모델 간 비교는 불가능하며, 개별 도메인 점수만 보고돼요.