admin 2026-07-10 132浏览

OpenAI公开质疑SWE-Bench Pro基准：近三成评测任务存在缺陷 OpenAI发布博文，公开挑战行业权威评测基准SWE-Bench Pro。该基准由Scale AI推出，专门评测大语言模型与AI智能体的编程能力，因高度...