RecodeX 重构消息，一项新研究指出，使用大语言模型生成的测试用例来评估不同实现方案时，评估结果可能发生变化，甚至改变最终胜出的实现。相关论文已公开在Zenodo平台，引发对自动化测试与评估方法可靠性的讨论。