DoGBench 文档生成基准发布：AI 智能体综合得分最高未超过 50%

DoGBench 是面向用户文档生成的评测基准，测试 AI 智能体能否根据真实仓库事件和文档缺口编写、维护软件文档。基准包含来自 Helm、PostHog、Mautic、Doc Detective 等开源项目的 292 个任务，其中 205 个需要修改文档、87 个不应修改；主评测使用 117 个留出任务，含 82 个需更新任务和 35 个无需更新任务。