OpenAI News·· 2026-07-08AI 评分36
OpenAI 分析揭示 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 发布新分析，指出热门编码基准 SWE-Bench Pro 存在可靠性与准确性隐患，可能影响对 AI 模型的评测。该分析聚焦于如何从编码评测中区分有效信号与噪声。
来源：OpenAI News · openai.com
OpenAI 分析揭示 SWE-Bench Pro 编码评测存在可靠性问题