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 发布新分析，指出流行编码基准 SWE-Bench Pro 存在可靠性与准确性方面的问题。该分析揭示了这一用于评估 AI 模型的基准在评测中可能产生误导性结果。

来源：OpenAI News · openai.com