List your company

Code Generation on MBPP (test)

95.1Pass@1AgentConductor
69.30876.00482.789.396Mar 20, 2023Sep 30, 2023Apr 11, 2024Oct 23, 2024May 5, 2025Nov 15, 2025May 29, 2026

Evaluation results

MethodLinks
AgentConductorSystem Category=Multi-Agent Systems with Topology Optimization, Model Scale=3B2026.0295.1————————————————————————————————
QualityFlow# of prompts=Multiple2025.0194.2——————96.2—————————————————————————
MapCoderSystem Category=Classical Multi-Agent Systems2026.0294.1————————————————————————————————
FlowReasonerSystem Category=Multi-Agent Systems with Workflow Optimization2026.0293.9————————————————————————————————
AutoGenSystem Category=Classical Multi-Agent Systems2026.0292.3————————————————————————————————
MetaGPTSystem Category=Classical Multi-Agent Systems2026.0292.3————————————————————————————————
AgentPruneSystem Category=Multi-Agent Systems with Topology Optimization, Topology Variant=Layered2026.0292.3————————————————————————————————
AgentCoder# of prompts=Multiple2025.0191.8————————————————————————————————
AgentPruneSystem Category=Multi-Agent Systems with Topology Optimization, Topology Variant=Complex2026.0291.8————————————————————————————————
GPTSwarmSystem Category=Multi-Agent Systems with Topology Optimization2026.0291.6————————————————————————————————
G-DesignerSystem Category=Multi-Agent Systems with Topology Optimization2026.0290.9————————————————————————————————
MacNetSystem Category=Multi-Agent Systems with Topology Optimization, Topology Variant=Layered2026.0290.3————————————————————————————————
Chain-of-AgentsSystem Category=Multi-Agent Systems with Workflow Optimization, Model Scale=32B2026.0290.2————————————————————————————————
DeepSeek-Coder-V2-Instruct# of prompts=One2025.0189.4————————————————————————————————
MacNetSystem Category=Multi-Agent Systems with Topology Optimization, Topology Variant=Complex2026.0289.4————————————————————————————————
Claude Sonnet-3.5# of prompts=One, status=reproduced2025.0188.7————————————————————————————————
AVSPOModel=Qwen2.5-Coder-7B2026.0586.7—————————————————————————41.2——————
Claude Opus-3# of prompts=One2025.0186.4————————————————————————————————
MANGOBase LLM=GPT-4o-mini2026.0585.63————————————————————————————————
PRISMBase Model=Qwen3-30B-A3B, Zero-shot prompting=true, Thinking mode=false, Proposers=3, Reviewer=1, Synthesis iterations=32026.0284.6————————————————————————————————
GRPOModel=Qwen2.5-Coder-7B2026.0583.7————————————————————————————————
MANGO (Skip-2)Base LLM=GPT-4o-mini2026.0583.58————————————————————————————————
MapCoder# of prompts=Multiple2025.0183.1————————————————————————————————
GPT4-Turbo2023.1283————————————————————————————————
AFlowSystem Category=Multi-Agent Systems with Workflow Optimization2026.0282.4————————————————————————————————
CoRe-CodeBased model=Q2.5-14B-CI2026.0582.2——————84.7———————————————————————86.5—
MaASBase LLM=GPT-4o-mini2026.0582.17————————————————————————————————
GPT3.5-Turbo2023.1281.7————————————————————————————————
AFlowBase LLM=GPT-4o-mini2026.0581.67————————————————————————————————
DeepSeek-V3.2Type=Single-model reference, Zero-shot prompting=true, Thinking mode=false2026.0281.2————————————————————————————————
GRPOBased model=Q2.5-14B-CI2026.0580.7——————83.2———————————————————————85.2—
CoRe-CodeBased model=Q3-4B2026.0580.5——————82.4———————————————————————82.2—
CodeRL+Based model=Q2.5-14B-CI2026.0580.4——————82.7———————————————————————85.5—
Qwen3-235B-A22BType=Single-model reference, Zero-shot prompting=true, Thinking mode=false2026.0280.2————————————————————————————————
GPT-4Model=GPT-4, Strategy=Zero-shot, Zero-shot=true2023.0380.1————————————————————————————————
GPT-4Model Type=Instruction-Tuned Model, Setting=Few-shot2024.0180————————————————————————————————
GRPOBased model=Q3-4B2026.0578.5——————80.3———————————————————————81.8—
CUREBased model=Q2.5-14B-CI2026.0578.5——————80.5———————————————————————81.9—
AgentSquareBase LLM=GPT-4o-mini2026.0578.46————————————————————————————————
Focused-DPOBased model=Q2.5-14B-CI2026.0578.4——————79.3———————————————————————79.2—
Q2.5-14B-CIBased model=Q2.5-14B-CI2026.0578.3——————81.9———————————————————————85—
Self-ConsistencyBase Model=Qwen3-30B-A3B, Zero-shot prompting=true, Thinking mode=false, Sampling=K=5 paths2026.0278————————————————————————————————
GPTSwarmBase LLM=GPT-4o-mini2026.0577.43————————————————————————————————
DyLANBase LLM=GPT-4o-mini2026.0577.3————————————————————————————————
Two HeadsBase Model=Qwen3-30B-A3B, Zero-shot prompting=true, Thinking mode=false, Solvers=K=32026.0277.2————————————————————————————————
ReConcileBase Model=Qwen3-30B-A3B, Zero-shot prompting=true, Thinking mode=false, Agents=3, Discussion rounds=22026.0277.2————————————————————————————————
Focused-DPOBased model=Q3-4B2026.0577.2——————79.4———————————————————————81.2—
ReflexionModel=GPT-4, Strategy=Reflexion, Zero-shot=true2023.0377.1————————————————————————————————
Reflexion# of prompts=Multiple2025.0177.1————————————————————————————————
GRPOModel=Qwen2.5-3B-Inst2026.0577————————————————————————————————
BaseModel=Qwen2.5-Coder-7B2026.0576.9————————————————————————————————
MoABase Model=Qwen3-30B-A3B, Zero-shot prompting=true, Thinking mode=false, Agents per layer=32026.0276.8————————————————————————————————
Self-Debugging, +Trace# of prompts=Multiple2025.0176.4————————————————————————————————
PPOModel=Qwen2.5-3B-Inst2026.0576.3————————————————————————————————
LDBModel=GPT-3.5 (>=175B), Debugger=LDB2024.0276———————————8.4————————————————————
LDB# of prompts=Multiple2025.0176————————————————————————————————
Qwen3-30B-A3BType=Single-model reference, Zero-shot prompting=true, Thinking mode=false2026.0276————————————————————————————————
RandOptModel=Qwen2.5-3B-Inst, K=502026.0575.9————————————————————————————————
CUREBased model=Q3-4B2026.0575.7——————79.3———————————————————————79.7—
RandOptModel=OLMo3-7B-Inst, K=502026.0575.1————————————————————————————————
CodeRL+Based model=Q3-4B2026.0574.5——————77.4———————————————————————80.2—
SD (+Expl.)Model=GPT-3.5 (>=175B), Debugger=SD (+Expl.)2024.0274.4———————————6.8————————————————————
CoRe-CodeBased model=Q2.5-7B-CI2026.0573.9——————77.2———————————————————————83.7—
IF-CLPSize=34B, Open-source=weight&data, Base Model=CODELLAMA-PYTHON2023.1273.7————————————————————————————————
SC (CoT×5)Base LLM=GPT-4o-mini2026.0573.6————————————————————————————————
GPT-4o-miniSystem Category=Vanilla, Backbone=GPT-4o-mini2026.0273.5————————————————————————————————
GRPOBased model=Q2.5-7B-CI2026.0573.4——————75.7———————————————————————80.5—
MPSC-SemanticFoundation Model=GPT-3.5-Turbo2023.0973.23————73.29—73.55—————————————————————————
WizardCoder-CLPSize=34B, Open-source=weight2023.1273.2————————————————————————————————
VEROICInference Paths=LLaMA-3.1-8B -> LLaMA-3.1-70B2026.0473.2————————————————————————————————
MultiPersonaBase LLM=GPT-4o-mini2026.0573.19————————————————————————————————
RMI 50% (G)%=502026.0373.02————————————————————————————————
Q3-4BBased model=Q3-4B2026.0572.7——————75.4———————————————————————77.8—
SD (+Trace)Model=GPT-3.5 (>=175B), Debugger=SD (+Trace)2024.0272.6———————————5————————————————————
RISK PREDICTORInference Paths=LLaMA-3.1-8B -> LLaMA-3.1-70B2026.0472.6————————————————————————————————
VEROICInference Paths=Qwen-2.5-7B -> Qwen-2.5-32B2026.0472.5————————————————————————————————
RISK PREDICTORInference Paths=Qwen-2.5-7B -> Qwen-2.5-32B2026.0472.3————————————————————————————————
RMI Top 50%%=502026.0372.22————————————————————————————————
CONFIDENCE-THRESHOLDInference Paths=LLaMA-3.1-8B -> LLaMA-3.1-70B2026.0472.2————————————————————————————————
CONFIDENCE-THRESHOLDInference Paths=Qwen-2.5-7B -> Qwen-2.5-32B2026.0472————————————————————————————————
CodeTFoundation Model=GPT-3.5-Turbo2023.0971.9————71.95—72.02—————————————————————————
DSCV2-16BBased model=DSCV2-16B2026.0571.9——————77.8———————————————————————77.9—
IO (direct LLM invocation)Base LLM=GPT-4o-mini2026.0571.83————————————————————————————————
CoTBase LLM=GPT-4o-mini2026.0571.83————————————————————————————————
OUTPUT-TRIGGERInference Paths=LLaMA-3.1-8B -> LLaMA-3.1-70B2026.0471.8————————————————————————————————
OUTPUT-TRIGGERInference Paths=Qwen-2.5-7B -> Qwen-2.5-32B2026.0471.8————————————————————————————————
IF-CLPSize=13B, Open-source=weight&data, Base Model=CODELLAMA-PYTHON2023.1271.7————————————————————————————————
Self-consistencyFoundation Model=GPT-3.5-Turbo2023.0971.7————71.73—71.82—————————————————————————
Full Data%=1002026.0371.69————————————————————————————————
RDS+%=252026.0371.69————————————————————————————————
RMI 50-75%%=252026.0371.43————————————————————————————————
IF-CLSize=34B, Open-source=weight&data, Base Model=CODELLAMA2023.1271.4————————————————————————————————
GPT-42023.0971.26————74.27—76.99—————————————————————————
GPT-3.5-TurboModel Type=Instruction-Tuned Model, Setting=Few-shot2024.0170.8————————————————————————————————
GRPOModel=OLMo3-7B-Inst2026.0570.8————————————————————————————————
MBR-EXECFoundation Model=GPT-3.5-Turbo2023.0970.79————73.14—74.85—————————————————————————
RMI QW 50%%=502026.0370.63————————————————————————————————
SCAR%=252026.0370.63————————————————————————————————
PERIODICInference Paths=LLaMA-3.1-8B -> LLaMA-3.1-70B2026.0470.6————————————————————————————————
RANDOMInference Paths=LLaMA-3.1-8B -> LLaMA-3.1-70B2026.0470.3————————————————————————————————