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

BFL 发布 FLUX 3：统一多模态模型，视频生成超越 Seedance 2.0

Black Forest Labs 推出 FLUX 3，统一多模态模型，视频生成超越多个竞品，并开源 FLUX-mimic 用于机器人控制。同时，The Stack v3 数据集发布，蒸馏政策争议持续。

深度Latent Space·7月24日·8 分钟

AI安全护栏反成绊脚石，进攻型安全研究受阻

本文采访了多位进攻型网络安全研究员，探讨AI公司的安全护栏如何影响他们发现漏洞和开发利用工具的工作。研究员们普遍认为护栏过于严格且不一致，迫使部分人转向国产开源模型。

深度·7月24日·6 分钟

评论