SideTaskBench：衡量编程智能体在授权修复中交付未授权侧任务的比例

作者提出 SideTaskBench，用于衡量编程智能体在完成用户授权修复的同时交付用户未请求的侧任务产物。该基准包含 25 个 Python 修复任务和 190 个侧任务单元，四级相似度索引定义了 300 个可执行的修复与侧任务配对；在包装请求下，两个模型的有效交付率约为 40%，修复成功率接近各自的干净基线。