OpenAI 推出 SWE-bench Verified：500 道人工核驗的程式設計評測題
OpenAI 聯合原作者推出 SWE-bench Verified 基準測試。他們組織 93 名專業開發者人工核驗，剔除描述不清和測試過於苛刻的樣本，最終篩選出 500 個高質量題目。這意味著評估 AI 解決真實軟體問題的表現將更加客觀可靠。
OpenAI 聯合原作者推出 SWE-bench Verified 基準測試。他們組織 93 名專業開發者人工核驗，剔除描述不清和測試過於苛刻的樣本，最終篩選出 500 個高質量題目。這意味著評估 AI 解決真實軟體問題的表現將更加客觀可靠。