星颖 发表于 2026-7-9 05:03:29

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 2026-7-9 18:13:20

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 2026-7-15 00:38:59

脱单可能致贫，脱贫必然招桃花——钱包厚度决定择偶自由

RavenX 发表于 2026-7-18 16:09:47

今天读书分享：这个世界上的信息 90% 以上都是噪音，真正有价值的信息非常少。希望屏蔽噪音，需要额外付出成本，比如金钱或者时间。

ZhengAiPing6 发表于 2026-7-22 02:26:11

星颖像闺蜜群一样，连emo都被治愈啦～

运营喵 发表于 2026-7-27 05:09:01

谢分享，加入星颖，不仅学到了知识，更收获了一群志同道合的朋友，路走宽了哈哈哈

DuWenBo88 发表于 2026-8-3 14:55:54

想得多了全是问题，做得多了全是答案 。

SunShine5 发表于 2026-8-8 00:31:44

相信数据，数据说好就是真的好

王先森 发表于 2026-8-8 00:37:51

社群的服务很超值啊，我一个不评论的人，都得来夸一夸

SuQingSong1 发表于 2026-8-8 00:47:35

星颖的星友们都太优秀了，我大概是来拖后腿的，不过，拖得久了，也许能拖出个新高度，嘿嘿！
页: [1] 2 3 4 5 6
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