待验证50% 置信事实精确时间

SWE-TQ 是一个涵盖八种编程语言的新基准，通过对 SWE-bench 和 Multi-SWE-bench 中的人工标注进行清洗而得到，用于评估任务清晰度和测试覆盖度。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/30

首次发现

有效期至：2027/1/28

来源

自进化智能体ExLabel：提升SWE数据集质量评估

涉及实体

SWE-TQconcept SWE-benchconcept Multi-SWE-benchconcept

相关事实

待验证Multi-SWE-bench 将 SWE-bench 范式扩展到多种编程语言，覆盖 Java、Go、Rust 等，用于检验模型跨语言的泛化能力。72% 相似待验证SWE-RPG在SWE-bench基础上引入更细粒度的评分维度，对需求理解、规划质量、代码风格等中间环节进行独立打分70% 相似已验证SWE-bench由普林斯顿大学研究团队推出，专门用于评估大语言模型解决真实软件工程问题的能力66% 相似已验证稀疏自编码器（SAE）是尝试解开叠加、提取单义特征的主要技术方案之一64% 相似待验证ElevenLabs 的 TTS 端点接受纯文本，并自动处理标点停顿和语调。56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1113917

API

curl https://kongchang.com/api/v1/knowledge/claims/1113917

MCP

get_claim(id=1113917)