研究者发布SWE-Bench Pro Verified基准
热点事件持续更新
研究者发布SWE-Bench Pro Verified基准
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
研究者 Pujun Zheng 等人发布 SWE-Bench Pro Verified，作为 SWE-Bench Pro 的验证版基准，针对原基准存在的奖励黑客与任务质量问题，通过防作弊防护消除主要泄漏渠道，并对缺陷实例做最小化修正。 评测显示，部分模型在该验证版上的表现明显低于此前结果，研究者据此认为原有 SWE-Bench Pro 分数可能高估了模型的真实软件工程能力。
AI 根据报道生成 · 4 小时前更新
最新进展10月12日 12:00
SWE-Bench Pro Verified：面向软件工程智能体的可靠基准报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AISWE-Bench Pro Verified：面向软件工程智能体的可靠基准
针对 SWE-Bench Pro 存在的奖励黑客与任务质量问题，研究者推出 SWE-Bench Pro Verified，通过防作弊防护消除主要泄漏渠道，并对缺陷实例做最小化修正。评测显示部分模型表现明显低于此前结果，表明原有 SWE-Bench Pro 分数可能高估了真实软件工程能力。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月12日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。