已验证65% 置信事实时间未知
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
3
来源数
65%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
SWE-bench官方博客上线：AI编程评测标准进入新阶段
twitterSWEbench
涉及实体
相关事实
待验证SWE-2很可能是专门针对软件工程任务优化的模型，而非通用大语言模型的简单变体70% 相似待验证大语言模型编程场景的核心能力指标包括HumanEval代码生成基准、SWE-bench真实Bug修复成功率及跨文件依赖解析准确性67% 相似待验证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。66% 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65% 相似已验证RAG技术是目前业界公认的缓解大语言模型幻觉问题最有效的工程化方案之一64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/26918API
curl https://kongchang.com/api/v1/knowledge/claims/26918MCP
get_claim(id=26918)