全球主机MJJ交流论坛»论坛 › 主机交流 › VPS综合讨论 › 7 月 9 日， OpenAI 主动承认用于代码评测的 SWE-Bench ...
返回列表 发新帖
查看: 8|回复: 0

7 月 9 日， OpenAI 主动承认用于代码评测的 SWE-Bench Pro 有约 30% 的任务有缺陷，导致分数失真，不再推荐它作为前沿模型的主要评测标准

[复制链接]
JoeJoeJoe

3

主题

27

回帖

63

积分

注册会员

积分
63
发表于 2026-7-9 09:20:19 | 显示全部楼层 |阅读模式
信息来源:

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



https://x.com/OpenAI/status/2074972179385720836
回复

使用道具 举报

返回列表 发新帖
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Archiver|手机版|小黑屋|全球主机MJJ交流论坛

Powered by Discuz! X5.0 © 2001-2026 Discuz! Team.

在本版发帖
返回顶部