Cognition 推出 FrontierCode 代码质量评测基准

Cognition 推出 FrontierCode，用于评测模型是否能达到高质量生产代码库的标准，核心关注 PR 是否会被维护者合并。该基准由 20+ 开源维护者构建任务，每个任务投入超过 40 hours，包含 150 个任务，并声称相比 SWE-Bench Pro 假阳性率低 81%。