OpenAI News·2026-07-08 21:00· 2026-07-08AI 评分54

OpenAI 分析指出 SWE-Bench Pro 编码基准存在可靠性与准确性问题

Separating signal from noise in coding evaluations

AI 导读

OpenAI 发布分析，指出流行的编码评测基准 SWE-Bench Pro 存在问题，引发对 AI 模型评估可靠性与准确性的担忧。

来源：OpenAI News · openai.com

#评测/基准 #编码 #OpenAI