博客文章

OpenAI发布研究宣布停止使用SWE-bench Verified评估模型编程能力，发现测试用例缺陷导致正确解决方案被拒绝，以及训练数据污染问题。该基准得分不再反映真实能力提升，OpenAI建议转向SWE-bench Pro。

bingdada

2026-08-026约 6 分钟阅读