ClassEval

为什么重要

在 HumanEval（函数级）和 SWE-bench（仓库级）之间，评测生成完整 Python 类的能力。方法间依赖越多，成功率越低。

构建方式与示例

100 个 Python 类 / 412 个方法。例如：“实现一个 BinarySearchTree 类，包含 insert/search/delete/traverse 方法。“

关联基准与展望

关联：HumanEval、BigCodeBench。不足：只有 Python，类设计偏简单。