Enterprise internal testing grayscale evaluation

AutoCodeBench 正式开源：全自动合成与评测，多语种高难度代码基准

AutoCodeBench 由腾讯混元团队开源，核心是“LLM 生成 + 多语言沙箱验证”的自动化工作流。项目同时开源 AutoCodeGen（数据合成）、AutoCodeBench（Full / Lite / Complete 三套基准）与 MultiLanguageSandbox（30+ 语言沙...