OpenAI News·2026-07-08 21:00· 2026-07-08AI 评分38

OpenAI 分析指出 SWE-Bench Pro 编码评测存在可靠性问题

Separating signal from noise in coding evaluations

AI 导读

OpenAI 发布的新分析揭示了流行编码基准 SWE-Bench Pro 存在的问题，引发对其评估 AI 模型时可靠性与准确性的担忧。

来源：OpenAI News · openai.com

#评测/基准 #编码 #OpenAI