我如何用自己仓库挖出的基准复现 FrontierCode 排名

作者从自己的 Git 历史中自动挖出 24 个任务，搭建了一套智能体编码评测，在 10 个共享配置上与 Cognition 的 FrontierCode 质量排名相关系数达 0.96（45 对模型中 42 对顺序一致），成本排名相关系数 0.94。