代码模型评估

跨 HumanEval、MBPP、MultiPL-E 与 15+ 基准用 pass@k 指标评估代码生成模型。基准代码模型、比较编码能力、测多语言支持、或衡量代码生成质量时使用。BigCode Project 的行业标准，被 HuggingFace 榜单使用。