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
DALL-E 3 教學
DALL-E 3 教學：ChatGPT 內建圖片生成完整指南
深入解析 DALL-E 3 教學，掌握如何在 ChatGPT 內生成高品質圖片。從基礎操作到進階技巧，一文搞定 DALL-E 3 怎麼用，讓 AI 創意無限延伸。
閱讀指南 →
Windsurf AI 教學
Windsurf AI 教學：Codeium 最強 IDE 完整使用指南
深入解析 Windsurf AI 教學，掌握 Codeium 最強 IDE 的完整使用指南。從安裝設定到進階技巧，教你如何用 Windsurf 提升編碼效率，解決開發痛點。
閱讀指南 →
Anthropic Claude 生態
Anthropic Claude 生態系全景圖：從 API 到 Agent SDK 完整路線圖
深入解析 Anthropic Claude 生態系，涵蓋 Claude API 使用指南、Anthropic 產品線佈局及 AI 開發者資源，助您掌握從基礎整合到 Agent SDK 開發的完整路線圖。
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。