BigCodeBench 发布：新一代代码生成基准测试

Hugging Face 推出 BigCodeBench，包含 1,140 个函数级任务，覆盖 139 个库，平均分支覆盖率 99%。该基准旨在解决 HumanEval 任务过于简单及数据污染问题，通过 calibrated Pass@1 评估 LLM 在复杂真实场景下的代码生成能力。