arXiv 2026年10月12日服务调用代码不再只看像不像:SCCGBench用虚拟执行判命中,最强模型仅3.76%SCCGBench把服务调用代码的评测从文本相似度改成虚拟执行命中,在612条测试样本上,最强模型仅3.76%的请求同时命中正确主机、端点和HTTP方法。SCCGBench把服务调用代码的评测从文本相似度改成虚拟执行命中,在612条测试样本上,最强模型仅3.76%的请求同时命中正确主机、端点和HTTP方法。Shandong University of TechnologyConcordia UniversityShuo Wang(第一作者)Jing Li(通讯作者)#SCCGBench服务调用代码生成基准#服务调用代码生成#脱敏意图生成#可执行性评估#检索增强生成