S
SkillNav

OpenAI 停用 SWE-Bench Verified，转向 SWE-Bench Pro

深度Latent Space2026年2月23日5 分钟阅读
OpenAI 停用 SWE-Bench Verified，转向 SWE-Bench Pro
SWE-Bench Verified 的原作者、OpenAI 前沿评估团队负责人 Mia Glaese 和 Olivia Watkins 宣布，由于评测已饱和且存在严重数据污染，将停止使用该基准。他们分析了 138 个问题，发现超过 60% 的剩余问题要么定义过窄，要么要求了未提及的功能。
本文编译自 ⚡️The End of SWE-Bench Verified — Mia Glaese & Olivia Watkins, OpenAI Frontier Evals & Human Data，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

相关文章

OpenAI 和 Anthropic 同时更新语音功能，但方向不同

OpenAI 和 Anthropic 在同一天发布了语音功能更新。OpenAI 的 GPT-Live 让 ChatGPT 可以通过语音控制桌面应用、多任务并行处理；Anthropic 则强化了 Claude 的语音模式，支持更长的迭代对话和代码讨论。两家公司分别从任务自动化和深度思考两个方向拓展语音交互的边界。

深度The New Stack·7月23日·4 分钟

Claude 语音模式升级：接入日历和邮箱，能干活了

Anthropic 升级 Claude 语音模式，支持 Opus、Sonnet、Haiku 三种模型，并可调用外部应用完成实际任务，如改会议、写邮件。同时新增多语言支持，但免费用户仅限 Haiku 模型和单个连接应用。

深度·7月23日·3 分钟

评论