今日已更新 84 条资讯 | 累计 37333 条内容
关于我们

Separating signal from noise in coding evaluations

2026年07月08日 21:00 14 次阅读 来源:OpenAI Blog

A new analysis from OpenAI reveals issues in SWE-Bench Pro, a popular coding benchmark, raising concerns about reliability and accuracy in evaluating AI models.

本文内容来源于互联网,版权归原作者所有
查看原文