Show HN:Parsimony —— 一个衡量 AI 模型新增多少代码的开源基准
Show HN: Parsimony – an open-source benchmark for how much code AI models add

原始链接: https://parsimony.lasu.dev/

Parsimony 是一个衡量 AI 编程智能体中多余代码的基准。与解决率/成本指标不同,它衡量净编程单元:语句、调用、比较、名称、字面量等语法元素。它减去删除的代码(净 = 新增 − 删除),并避免按行计数,因此堆砌代码不会得到奖励。模型按其在已解决任务上新增的平均净单元排名,从低到高;失败尝试也计入平均值。已解决数据来自 SWE-bench Verified,不重新运行测试。补丁会被应用,变更文件会被解析;仅限 Python,排除测试、文档、生成文件。它使用相同的 mini-SWE-agent,不过智能体会影响输出。更小并不总是更好:单元衡量的是规模,而非可读性/设计,而且写更多代码的模型往往能解决更多任务。用户可以比较模型、查看排行榜,或通过示例 JSON 提交结果。代码/数据:github.com/La5u/Parsimony。

Parsimony 是一个开源基准,用于衡量 AI 模型增加了多少代码。现有基准追踪解决率和 token 成本,但不惩罚多余代码,这可能给长期代码库带来负担。Parsimony 分析来自 DeepSWE、SWE-bench Verified 和 SWE-bench Live 的已发布补丁。它不按代码行数,而是统计编码单元——语句、调用、名称、字面量——并减去删除的代码,以衡量净单元数。由于 GPT-6 和 Claude 5.5 缺少公开补丁,作者通过个人订阅在 3–10 个任务上运行了它们;结果以淡化、未排名的圆圈显示。欢迎反馈和模型贡献,尤其是较新模型的公开补丁导出。GitHub:https://github.com/La5u/Parsimony。与这些基准无隶属关系。
相关文章

原文
Parsimony: which AI coding agent changes the least code?

Existing benchmarks measure solve rate and cost, but don't punish excess code, which makes a codebase harder to work with in the long term. Parsimony measures how much code AI models add.

It takes the patches that benchmarks already publish and counts coding units: syntax elements like statements, calls, comparisons, names and literals. Lines aren't counted, so cramming code isn't rewarded, and deleted code is subtracted: net units = added − removed.

联系我们 contact @ memedata.com