humaneval-x

human-eval-x 是对原始 HumanEval 的多语言扩展基准，由清华大学 THUDM 团队发布，用于评测大模型在 Python、C++、Java、JavaScript、Go 五种语言上的函数级代码生成与跨语言翻译能力。数据集共 820 道人工精心设计的编程题（每种语言各 164 题），每题均包含任务描述、函数签名、参考实现及完备的单元测试用例，可直接计算 pass@k 指标进行公平对比。