evals

FrontierCode：把评测问题从代码对不对换成你会不会真的合并

Cognition 发布 FrontierCode，用维护者会不会真的合并这段代码当评测信号，把可读性、可维护性、改动范围纳入评分，逼近人类代码评审，也暴露出主观性和谁来判合并的难题。