OpenAI News·2026-07-08 21:00· 2026-07-08AI 评分36

OpenAI 分析指出 SWE-Bench Pro 存在可靠性问题

Separating signal from noise in coding evaluations

AI 导读

OpenAI 发布新分析，指出流行编程基准 SWE-Bench Pro 存在可靠性与准确性隐患，可能影响对 AI 模型的评估。该分析聚焦于如何从编程评测中分离有效信号与噪声。

来源：OpenAI News · openai.com