SWE-bench 推出多模态评测基准，斯坦福与 Meta 联合开发
jyangballin · x · 2026-09-01
SWE-bench Multimodal 现已通过 SWE-bench 仓库提供，新的多模态数据即将公布，排行榜已开放提交。该项目由斯坦福和 Meta MSL 跨团队完成。作者评论称，尽管 Anthropic 模型在多模态性能上稳步提升，但要达到 90% 的解决率仍需时间。
所属事件:SWE-bench Multimodal v2.0 发布，480 个视觉编程任务开源(5 条相关)→
「编程与Agent」频道最新
- Anthropic 借鉴律师谈判伦理，Claude 智能体 69 人无人工批准成交 186 单 — rohanpaul_ai · 2026-10-18
- Agent 接管 Gmail 与浏览器后的投毒风险，及 jev-guard 防护做法 — sujingshen · 2026-10-18
- 14 个 Agent 在单卡 5090 上做 AI 电影:按反馈修复剪跳与配音缺陷 — developervkmp · 2026-10-18
- Meta 论文提出「Agent Plasticity」:最强 agent 未必是最高效学习者 — rohanpaul_ai · 2026-10-18
- 开发者用前沿模型一个周末上线山火预测平台 — CtrlAltDwayne · 2026-10-18
- 10 个让 AI Agent 操作手机的 GitHub 开源项目,最大 26K star — victor_explore · 2026-10-18