SWE-bench 评测标准失效

📂 精选资讯 · 📰 Hacker News

OpenAI 宣布停止使用 SWE-bench Verified 评估编码能力，因其无法反映当前前沿模型的真实水平。开发者社区热议新评估体系需求。

阅读原文