Датасет · zai-org
74 задачи для агентного кодинга
zai-org/CC-Bench-trajectories
Траектории агентного кодинга в Claude Code для бенчмарка CC-Bench-V1.1 на 74 задачах.
Что внутри
Набор траекторий для оценки агентных навыков кодинга GLM-4.6 в сценариях Claude Code. Бенчмарк CC-Bench-V1.1 включает 74 задачи по фронтенду, разработке инструментов, анализу данных и тестированию. В нём 22 новые сложные задачи по сравнению с V1.0; также проводились сравнения с Claude-Sonnet-4, GLM-4.5, Kimi-K2-0905 и DeepSeek-V3.1-Terminus. Языки — английский и китайский, размер — менее 1 тыс. примеров, формат в карточке не указан.
Что можно сделать
- Оценка агентных coding-моделей на реальных задачах
- Проверка Claude Code-подобных агентов
- Сравнение моделей по траекториям выполнения кода
- Задачи
- Генерация текста
- Языки
- Английский, Китайский
- Размер
- до 1K записей
- Скачиваний за месяц
- 531
- Лайков
- 98
Как загрузить
from datasets import load_dataset
ds = load_dataset("zai-org/CC-Bench-trajectories")