5 दिसंबर को, बाइट豆包 बड़े मॉडल टीम ने नवीनतम कोड बड़े मॉडल मूल्यांकन बेंचमार्क - FullStack Bench पेश किया, जिसमें 11 से अधिक वास्तविक परिदृश्य शामिल हैं, 16 प्रकार की प्रोग्रामिंग भाषाओं का समर्थन करता है, और 3374 प्रश्न शामिल हैं। यह बेंचमार्क पिछले मूल्यांकन मानकों की तुलना में, व्यापक प्रोग्रामिंग क्षेत्रों में बड़े मॉडल की कोड विकास क्षमता का अधिक सटीक मूल्यांकन कर सकता है, और वास्तविक दुनिया की प्रोग्रामिंग कार्यों में मॉडल के अनुकूलन को बढ़ावा देता है। वर्तमान में, प्रमुख कोड मूल्यांकन बेंचमार्क, जैसे कि HumanEval और MBPP, आमतौर पर आधारभूत और उच्च स्तरीय पर ध्यान केंद्रित करते हैं।