Kita membutuhkan tolok ukur baru untuk solusi kompleksitas rendah untuk masalah kode. Setiap fitur baru seperti blok jenga di menara, dan tolok ukur saat ini hanya memberi peringkat seberapa baik setiap blok dirakit. Kami membutuhkan eval yang melacak seberapa tinggi Anda dapat menumpuk balok sebelum menara runtuh.