工具值得看
OpenAI分析揭示SWE-Bench Pro基准测试存在可靠性问题
2026-07-09 21:40来源：OpenAI 官方博客
快讯摘要
OpenAI发布分析报告，指出代码评估基准SWE-Bench Pro可能无法准确反映AI模型能力。
核心事实
- 1OpenAI发布了关于SWE-Bench Pro编码基准测试的分析报告
- 2分析指出该基准测试存在可靠性问题
- 3该问题影响了评估AI模型能力的准确度
为什么值得关注
SWE-Bench Pro是评估AI代码能力的常用基准，其准确性直接影响模型比较和发展方向。
详细内容
相关信息显示，OpenAI对流行的编码基准测试SWE-Bench Pro进行了分析，发现了影响其可靠性和准确性的问题。这一发现引发了对当前AI模型评估方式的担忧。具体细节可查看原文。
#OpenAI#SWE-Bench#代码评估#AI基准测试