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。

原文链接 →

「Fun」频道最新

更多「Fun」频道 AI 资讯 →