星颖 发表于 7 天前

OpenAI 重新审计了 SWE-Bench Pro，发现它不再可靠地衡量前沿编码能力

https://openai.com/index/separating-signal-from-noise-coding-evaluations/
https://cdn3.ldstatic.com/optimized/4X/a/9/6/a96b126be5e6ce7cbf0c0d2ee1fdec7d17e08056_2_690x301.png
https://cdn3.ldstatic.com/optimized/4X/9/9/0/990ddf93c84320c4a7d0ffe3f2c7eb20712aac35_2_500x500.png

XieZhiQiang8 发表于 7 天前

来了挺久了，看到星友们越来越好，活跃一下混个脸熟

FlameX 发表于 昨天 00:38

脱单可能致贫，脱贫必然招桃花——钱包厚度决定择偶自由
页: [1]
查看完整版本: OpenAI 重新审计了 SWE-Bench Pro，发现它不再可靠地衡量前沿编码能力