OpenAI 挑战 AI 评测基准 SWE-Bench Pro：约 30% 存在评测缺陷

<p data-vmark="21e1">IT之家 7 月 9 日消息，OpenAI 昨日（7 月 8 日）发布博文，<strong>挑战行业权威评测基准 SWE-Bench Pro，认为在 731 个公开测试任务中，约 30% 存在评测缺陷。</strong></p><p data-vmark="06f1">IT之家注：SWE-Bench Pro 是由 Scale AI 推出的大语言模型与 AI 智能体编程能力评测基准，因高度贴近实际企业级开发且具备极高的防作弊标准，现已成为 AI 软件工程领

---

原文来源：IT之家

https://www.ithome.com/0/974/531.htm

查看原文 →