Словарь
CursorBench
Бенчмарк компании-разработчика редактора кода Cursor для оценки ИИ-агентов для программирования. Задачи взяты из реальных сессий в Cursor: нечётко поставленные, затрагивающие много файлов, в том числе на понимание кода, поиск ошибок, рефакторинг и ревью. Кроме правильности решения учитывает стоимость, расход токенов и число шагов агента. В отличие от бенчмарков на задачах из открытых репозиториев, таких как SWE-bench, он ближе к повседневной работе разработчиков.