OpenAI News·· 2026-07-08AI 评分6
OpenAI新分析揭示SWE-Bench Pro代码评测基准的可靠性与准确性问题
Separating signal from noise in coding evaluations
AI 导读
OpenAI发布新分析，指出热门代码评测基准SWE-Bench Pro在评估AI模型时存在可靠性与准确性问题。该分析揭示了基准中的噪声信号问题，对当前依赖此类基准衡量模型表现的行业实践提出质疑。
来源：OpenAI News · openai.com