研究团队发现了一个有趣的现象：当人们只看代码文本时，很难判断哪段代码更好。但是当代码真正运行起来，显示出实际效果时，优劣立判。就好比两个厨师都声称自己做的菜更美味，但真正品尝后才知道高下。这个发现推动研究团队建立了一个全新的代码评测平台，让AI生成的 ...