CRUXEval

为什么重要

CRUXEval 测的不是”写代码”而是”理解代码”——给一段代码和输入，预测输出。或者给输出，推断输入。

构建方式与示例

800 道 Python 代码理解题。例如：“函数 f(x) = x[::-1] + x[0]，输入 ‘abc’，输出是什么？” → “cbaa”

关联基准与展望

关联：HumanEval、EvalPlus。不足：代码片段偏短偏简单。