Дослідники представили MirrorCode, новий бенчмарк для тестування продуктивності ШІ у довготривалих наскрізних завданнях з розробки програмного забезпечення. Вимагаючи від моделей самостійної перереалізації складних програм без доступу до вихідного коду, ця система оцінює реальний потенціал автономного програмування сучасного ШІ.