OpenAI质疑SWE-Bench Pro可靠性
OpenAI发布分析指出热门代码评测基准SWE-Bench Pro存在问题，可能影响AI模型编码能力评估的可靠性和准确性。该事件涉及开发者工具和模型评测体系，对模型排名与采购判断有参考价值。
事件进展（1 篇报道）
-
2026-07-08 21:00
OpenAI发布分析指出热门代码评测基准SWE-Bench Pro存在问题，可能影响AI模型编码能力评估的可靠性和准确性。该事件涉及开发者工具和模型评测体系，对模型排名与采购判断有参考价值。