待验证60% 置信事实精确时间

SWE-bench 涉及跨文件依赖分析、版本兼容性判断、回归测试通过等高阶能力，难度比 HumanEval 等写函数类基准更贴近真实工程场景

2

来源数

60%

置信度

长期有效

时效性

2026/7/8

首次发现

来源

Claude Code 入门指南：AI编程助手核心优势与选择建议

bilibiliL大模型知识库2026/7/5

相关事实

待验证SWE-bench相比HumanEval、MBPP等传统基准更贴近实际开发场景，考验模型对大型代码库的理解、跨文件依赖追踪和缺陷定位能力79% 相似待验证SWE-Bench Pro旨在引入更复杂的多文件修改场景和更严格的测试标准，以拉开主流模型之间的分数差距78% 相似待验证SWE类基准用于评估模型解决真实软件工程问题的能力，题目通常来自开源仓库的真实issue与PR，考验跨文件理解与多步推理能力。75% 相似待验证评估智能体编程能力的主流基准包括SWE-bench、SWE-bench Verified和HumanEval75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/264142

API

curl https://kongchang.com/api/v1/knowledge/claims/264142

MCP

get_claim(id=264142)