我们为何不再评估 SWE-bench Verified
深度OpenAI2026-02-23T11:00:00+00:001 分钟阅读
SWE-bench Verified 正在变得越来越“受污染”，并且无法准确衡量前沿代码能力的进展。我们的分析表明，它存在测试缺陷和训练泄漏问题。我们推荐使用 SWE-bench Pro。
原文链接：https://openai.com/index/why-we-no-longer-evaluate-swe-bench-verified
相关文章
资讯OpenAI·3月4日
OpenAI 推出学习成果测量套件，评估 AI 对教育成效的长期影响
OpenAI 发布了 Learning Outcomes Measurement Suite，用于系统评估 AI 在教育场景中的实际学习成效。该套件强调跨不同教学环境、并在更长时间周期内跟踪学生学习结果，帮助更准确判断 AI 的教育价值。
1 分钟
深度OpenAI·3月4日
Axios 如何用 AI 放大本地新闻影响力
Axios 首席运营官 Allison Murphy 介绍了公司如何将 AI 用于本地新闻生产。核心做法是借助 AI 支持一线本地记者、优化新闻编辑部流程，并以更高效率扩大高影响力本地报道的覆盖规模。
1 分钟