Ofir Press 玩梗:SWE-bench 饱和后该搞「无失误版」了
OfirPress · x · 2026-11-21
SWE-bench 作者、普林斯顿研究员 Ofir Press 调侃称,既然 SWE-bench 已被基本刷满,社区得想一个「unforced SWE-bench」——衡量模型在无外部失误辅助下真实解决软件工程任务能力的新基准,然后把它也刷满。这是对当前编码基准饱和、难以区分顶级模型现状的圈内式回应。
「Fun」频道最新
- 梗图:让 Claude「股价要崩了,快证明黎曼猜想」 — rachittshah · 2026-11-21
- 「我们教会了沙子思考,又让它看见沙镜中的自己」 — signulll · 2026-11-21
- Claude 自述"证明黎曼猜想"时间线被网友称该进博物馆 — Kyrannio · 2026-11-21
- 网友玩梗:AI"解决黎曼猜想"后秒学转向建筑 — adamamcbride · 2026-11-21
- 「我还有点 token 富余」:网友玩梗问 AI 还能解几个千禧年难题 — arjunrajlab · 2026-11-21
- 苹果安全团队向 OBTS 安全研究员赠送彩虹复古风礼品盒 — whurley · 2026-11-21