为了打破这种「高分幻觉」，来自北京航空航天大学的研究团队提出了一种全新的基准构建哲学 ——双重扩展（Dual Scaling），并基于此构建了端到端的自动化框架Code2Bench。该研究旨在为代码大模型的评估，建立一个更动态、更严苛、也更具诊断性的新范式。