OpenAI 放弃了 SWE-bench Verified,原因是发现59%的失败测试存在缺陷。OpenAI 揭示了 SWE-bench Verified 基准测试中的重大污染问题,前沿 AI 模型记忆了答案,测试拒绝了正确的代码。🧪

查看原文
此页面可能包含第三方内容,仅供参考(非陈述/保证),不应被视为 Gate 认可其观点表述,也不得被视为财务或专业建议。详见声明
  • 赞赏
  • 评论
  • 转发
  • 分享
评论
请输入评论内容
请输入评论内容
暂无评论