Position: Coding Benchmarks Are Misaligned with Agentic Software Engineering

这篇 position paper 直接挑战 coding benchmark 的单一分数传统：真实 coding agent 是模型、harness、context、environment、feedback signal 的组合系统，任何组件变化都可能带来与模型代际差距相当的分数变化。作者列出三个 misalignment：benchmark score 混淆模型与 harness；单一 reference solution 会惩罚同样有效的替代实现；没有 individual harness component signal，系统工程迭代只剩端到端猜测。它不是给出新 leaderboard，而是把评测对象从“模型答题”改写为“agentic software engineering 系统”。