推出 SWE-bench Verified
Introducing SWE-bench Verified
精选理由
提供更可靠的真实软件问题评测基准
AI 摘要
我们发布了一个经过人工验证的 SWE-bench 子集，能够更可靠地评估 AI 模型解决真实世界软件问题的能力。
查看原文（OpenAI Blog）
Introducing SWE-bench Verified
提供更可靠的真实软件问题评测基准
我们发布了一个经过人工验证的 SWE-bench 子集，能够更可靠地评估 AI 模型解决真实世界软件问题的能力。