研究突破
OpenAI 停止評估 SWE-bench Verified，推薦改用 SWE-bench Pro
Why we no longer evaluate SWE-bench Verified
OpenAI Blog · 2026-02-23
摘要
OpenAI 宣布不再使用 SWE-bench Verified 評估軟體工程能力，指出該基準存在數據污染和訓練洩漏問題，導致對模型編程進度的測量不準確。OpenAI 建議業界改用 SWE-bench Pro 作為更可靠的評估工具。
●開發者：需要了解新的編程能力評估標準，調整模型驗證方式
●投資人：應重新評估 AI 編程工具公司的效能聲稱，關注基準測試的可信度
●一般用戶：未來 AI 編程助手的性能評估將更準確，體驗品質有望提升
重要性評分
78/100
🟠 值得關注
SWE-bench基準測試編程評估模型驗證
原文出處喜歡這篇？每天早晨還有更多。
訂閱 5min AI，讓 AI 替你追蹤整個 AI 世界。
相關指南
notebooklm deep research 怎麼用
NotebookLM Deep Research 怎麼用：Google AI 研究助手實戰指南
探索 NotebookLM Deep Research 怎麼用？本指南提供完整的 Google AI 研究工具實戰教學，涵蓋功能設定、操作步驟與實戰案例，助您快速掌握 AI 研究技巧。
閱讀指南 →
gpt deep research 怎麼用
GPT Deep Research 怎麼用：2026 進階搜尋與報告生成教學
探索 GPT Deep Research 怎麼用？本 2026 進階教學涵蓋 ChatGPT 深度搜尋功能設定、實作步驟與 AI 研究報告生成技巧，助您掌握高效資訊整合能力。
閱讀指南 →
claude code vs github copilot
Claude Code 與 GitHub Copilot 深度比較：2026 開發效率實測
深入解析 2026 年 claude code vs github copilot 的實戰表現。涵蓋 claude code 效能分析、github copilot 2026 更新亮點，以及 AI 編碼工具比較，助您選擇最佳開發效率方案。
閱讀指南 →🤖 本文摘要由 AI 自動生成，內容源自原始報導。如有疑慮，請參閱關於我們。
喜歡這篇？每天早晨還有更多。
訂閱 5min AI，讓 AI 替你追蹤整個 AI 世界。