1
OpenAI 挑战 AI 评测基准 SWE-Bench Pro：约 30% 存在评测缺陷
行业权威SWE-Bench被OpenAI揭短：约30%测试任务存在缺陷，8个月通过率飙升3倍多，AI编程能力评估面临重建。
IT之家 7 月 9 日消息，OpenAI 昨日（7 月 8 日）发布博文， 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。 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…