技术

OpenAI撤回SWE-Bench Pro推荐，审计发现30%任务有缺陷

OpenAI近日宣布撤回对SWE-Bench Pro作为AI编码能力可靠基准的推荐，内部审计发现约30%的测试任务存在缺陷，且噪声天花板约70%，削弱了评估前沿模型的价值。