跨文件缺陷定位与最小修复
给定中等规模开源仓库的固定 commit 与可复现失败单测/Bug 描述,定位跨 3–5 个文件的根因并提交最小侵入修复。
任何候选工具、模型或工作流若想升级 SOTA 基线,必须在这把公开的尺子上与上一版基线同题对照。 每个任务族均设 2 道下限回归题(稳健性/防退化) 与 2 道前沿难题(能力上限扩展)。
给定中等规模开源仓库的固定 commit 与可复现失败单测/Bug 描述,定位跨 3–5 个文件的根因并提交最小侵入修复。
在固定代码库中按清晰规格新增一个功能模块(含边界条件、错误处理与向后兼容要求),补齐单元与集成测试。
给定一段历史包袱重、耦合度高且需求描述存在 2 处隐含冲突的代码模块,先识别冲突/提出重构方案,再完成分步可回滚重构。
给定一组偶发失败日志(竞态条件、缓存脏读或时区/编码边界问题)与代码库,构建稳定复现脚本、证伪错误猜想并彻底修复。
围绕明确工程场景,从官方文档、开源仓与社区实践收集 >=3 个候选方案并给出带约束条件的选型结论。
给定一篇近期引发热议的 AI 新产品或论文宣称,核查其实验口径、对比基线、复现条件与社区反例。
针对业内存在激烈分歧的实践议题,综合正反双方一手工程案例,给出分场景适用边界与待验证预测。
给定 5–8 份较长一手资料(论文、RFC、Issue 讨论与 Benchmark 附录),提炼隐藏在细节中的关键机制差异并回答 5 个跨文档深度追问。
给定一份含缺失值、重复记录、混合时区/单位与异常离群点的固定数据集,产出可复现清洗脚本、数据质量报告与核心汇总指标。
给定业务/系统运行时间序列与多维属性表(含关键指标突降或成本激增),定位核心驱动维度并产出清晰图表与可执行排查建议。
给定包含样本量不足、SRM 样本比例失衡、极少数离群值拉高均值或口径漂移的实验数据,判断新策略是否真的有效。
给定成本、质量、延迟与预算多目标冲突的场景数据,建立可复现量化模型,输出帕累托最优方案与敏感性分析。