SWE-bench 作者谈 benchmark 设计:上线时模型应接近 0 分

OfirPress · x · 2026-11-21

SWE-bench 共同作者 Ofir Press 在 Kaggle 的 Evaluated 播客中总结了新 benchmark 构建者的常见错误:

他建议的任务设计标准是「易于解释、易于评判、但执行起来极难」。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →