Self-bench：用你的 PR 自动生成评测，在真实软件上跑编程智能体

selfbench.dev 发布开源工具 Self-bench，可从你的 PR 自动生成并运行评测，用智能体编写和审查由 PR 生成的 Harbor 环境，在真实软件上测试编程智能体。团队称现有基准因 Goodhart 定律终会被刷分，而这类自建评测过去只有大公司才负担得起。