已验证75% 置信事实时间未知
SWE-bench Verified经过人工审核确保每个实例的质量和可解性
5
来源数
75%
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-bench Verified 的评分机制依赖自动化测试套件，模型提交代码补丁后系统运行预定义单元测试来判断是否通过78% 相似已验证SWE-bench Verified由人工标注者筛除描述模糊或测试不稳定的样本，是业界权威的AI编程能力排行榜之一77% 相似待验证包含Lean 4证明的成果正确性可以被任何人通过运行Lean检查器独立验证73% 相似待验证SWE-Bench推出了SWE-Bench Verified和SWE-Bench Multimodal变体，前者人工筛选确保可解性，后者加入截图等多模态上下文72% 相似待验证SAO团队选取了SWE-Bench Verified、BeyondAIME和IMOAnswerBench三个高难度基准进行验证70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/26922API
curl https://kongchang.com/api/v1/knowledge/claims/26922MCP
get_claim(id=26922)