Android Bench 2 新增长周期任务、智能体评估与连续评分支持

Google 发布了 Android Bench 2.0，这是它用来测试 AI 在 Android 开发任务上表现的一套评测框架。以前的评测主要针对比较短、步骤少的问题，很难反映 AI 应对复杂多步开发任务的能力。新版本加入了长周期任务、让智能体（能自主执行多步操作的程序）参与评估，以及连续评分，从而更细致地衡量表现。对开发者来说，未来挑选或对比 AI 编程工具时，可能多了一个更贴近真实开发难度的参考依据。