BigCodeBench：新一代代码生成评测基准发布

Hugging Face 联合 BigCode 项目发布 BigCodeBench，一个用于评估代码生成模型的新基准。该基准包含 1140 个编程任务，覆盖多种编程语言和实际应用场景，旨在更全面地衡量模型在代码生成、理解和调试方面的能力。BigCodeBench 强调任务多样性和难度分级，支持对模型进行细粒度分析。目前已有多个主流模型（如 CodeLlama、StarCoder 等）的评测结果公开，社区可提交新模型进行评测。该基准的发布有望推动代码生成领域的发展，为开发者提供更可靠的模型选择依据。