SWE-bench多语言基准获认可

jyangballin · x · 2026-07-09

帖中称 Kabir 把 SWE-bench Multilingual 做得很出色，因此它在 Anthropic Cursor/Grok、Cognition、GLM 等模型卡中反复出现。原文引用还提到，该基准在发布前逐个任务人工检查，以尽量排除失败模式。