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
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
OpenAI 发布新分析，指出热门编码基准 SWE-Bench Pro 存在可靠性问题，引发对 AI 模型评测准确性的担忧。
来源：OpenAI News · openai.com
Separating signal from noise in coding evaluations
本站未展示全文，请前往来源网站阅读。
OpenAI 发布新分析，指出热门编码基准 SWE-Bench Pro 存在可靠性问题，引发对 AI 模型评测准确性的担忧。
来源：OpenAI News · openai.com