AI coding 时代， test case 测试用例的价值如何评估？

[bingoAI]

= 1475 passed, 3 skipped, 90 warnings in 47.90s =

[qdd48]

看各种评测数据集，基本都需要测试用例，测试用例价值挺大的，感觉训练验证属于必不可少的内容

[xsonglive491]

测试用例和 benchmark 价值大增

[bingoAI]

你们说的是针对 model 的评测 eval 基准用例？