PersonaCodeBench 是一个面向编码代理的评估基准，重点考察在多轮交互中满足用户角色化需求的能力。基准将用户的角色、技术水平、交互偏好和工作约束转化为可验证的义务，形成从实现、权限、测试、解释到交付的完整需求链。运行时，控制器负责模拟用户的响应并决定何时披露需求，使用在线需求评估即时反馈并推动会话前进。需求在评估前已固定其内容、披露条件和接受标准。系统包括实现正确性的完成验证器和角色符合性的个性化验证器，只有同时通过两者才算成功，并需满足声明的预算限制。我们对所有主流前沿编码代理进行评测，公布排行榜并进行细致实验，证明基准在可复现性和有效性方面的优势。PersonaCodeBench 为评估编码代理在实现代码目标的同时满足明确、个性化用户期望提供了统一平台。
点评：该基准通过将用户角色形式化为可验证义务，填补了交互式编码评估中个性化需求的空白，为未来的代理研发提供了明确的测评标准。