TestPrism：重新思考超越单一参考答案的测试评估

TestPrism 提出用 300 个测试任务和 3000 个候选实现评估 LLM coding agents 的测试生成质量，避免单一参考答案高估结果。14 种基线配置的 Joint Success Function 仅为 28.00%，而单一参考成功率达 59.67%。