2. Linux.do
  3. OpenAI 重新审计了 SWE-Bench Pro，发现它不再可靠地衡量前沿编码能力

OpenAI 重新审计了 SWE-Bench Pro，发现它不再可靠地衡量前沿编码能力

lueluelue 2026-07-09 05:03 1

https://openai.com/index/separating-signal-from-noise-coding-evaluations/



最新回复 (2)
  • IkedaTeresa 07-09 05:06
    1楼

    好像oai现在比较主推的是deepswe？

  • lueluelue 楼主 07-09 05:07
    2楼

    是不是因为 gpt 在 deepSWE 上表现好^-^

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐