evals

FrontierCode：把评测问题从「对不对」换成「你会不会真的合并」

Cognition 发布 FrontierCode，用「维护者会不会真的合并这段代码」当评测信号，把可读性、可维护性、改动范围纳入评分，逼近人类代码评审，也暴露出主观性和谁来判合并的难题。