TAG:SWE-Bench
OpenAI质疑AI评测标杆失灵：731道题近三成有缺陷，8个月通过率从23%升至80%
OpenAI发布博文猛烈炮轰AI软件工程权威基准SWE-Bench Pro。在731个公开任务中约30%存在评测缺陷，包括测试过严、提示不充分、隐藏要求与题面不一致等问题。这直接导致前沿模型通过率在8个月内从23.3%异常飙升至80.3%。OpenAI通过数据分析和人工审查交叉验证后，正式撤回采用建议，并呼吁由资深软件开发者专门为AI设计新的基准，促使行业从跑分竞赛回归真实工程能力评估。
1 
0 
美股三大指数震荡整理，芯片股走高，光通信板块大涨
2026-05-11
0 浏览
多空胶着恒指震荡整理，AI景气外溢主导行情波动
2026-05-11
0 浏览
宠物AI公司PurrPurr获阿尔法公社投资 首年GMV目标5000万
2026-05-11
0 浏览
隆源股份业绩说明会回应今年新能源汽车零部件领域新客户洽谈中
2026-05-11
0 浏览
中国品牌市占率达75%，4月我国汽车销量约252.6万辆，新能源汽车出口贡献度近五成
2026-05-11
0 浏览
4月汽车出口增长51% 国内零售下跌超20%
2026-05-11
0 浏览
4月全国新能源汽车渗透率历史首次突破60%，燃油车零售同比暴跌37%
2026-05-11
0 浏览
港股复盘：强势翻红 芯片概念股冲高回落 短期风险需警惕
2026-05-11
0 浏览
申昊科技拟设具身智能子公司 加码人形机器人业务
2026-05-11
0 浏览
