全部 未讀 (40461) ★ 收藏 (0) 🤖 人工智能 (14664) 📊 商业科技 (7031) 📁 媒体资讯 (5995) 📁 投资财经 (3795) 📁 生活文化 (3196) 💻 软件编程 (2085) 📁 个人成长 (2014) 📁 体育运动 (1070) 🎨 产品设计 (559) 📁 AI 产品 (39)
篩選中: 🏷️ 基准缺陷 共 1 篇 ✕ 清除篩選
40463
全部文章
40461
未讀
35
今日新增
0
收藏
📡 Poller 最後抓取: 1 小時前 (08-16 00:00)
BestBlogs 精選 (40390)

🏷️ 熱門標籤

AI Agent 3311 政策解读 1764 投资与市场 1543 宏观经济 1433 AI 编程 1392 产业动态 1359 国际新闻 1298 LLM 1203 社会议题 1115 Anthropic 1101 国内新闻 1073 Claude Code 1046 地缘政治 1017 科技新闻 926 OpenAI 909 AI 智能体 790 生活方式 778 个人成长 716 具身智能 711 足球 710
● SWE‑Bench Pro 出现约 30% 有缺陷任务，OpenAI 撤回推荐
📌 一句话摘要 OpenAI 审计发现 SWE‑Bench Pro 约 30% 任务存在致命缺陷，因而撤回其作为领先代码评测的推荐。 📝 详细摘要 OpenAI 重新审查了广泛使用的 SWE‑Bench Pro 基准，发现约 30% 的任务存在致命缺陷，导致得分不再真实反映软件工程能力。通过自动
📅 2026-07-09 08:33 (07-09 08:33) meng shao 人工智能 1 分鐘 ★ 89
SWE-Bench Pro OpenAI AI 评测 软件工程