已验证75% 置信事实精确时间

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

3

来源数

75%

置信度

长期有效

时效性

2026/7/11

首次发现

来源

GPT-5.6发布：Codex正式集成ChatGPT，AI编程迈入新阶段

twitterOpenAIDevs2026/7/10

相关事实

已验证SWE-bench Verified是经过人工验证的子集，约500个样本，排除了描述模糊或测试不可靠的任务80% 相似待验证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80% 相似已验证SWE-bench Verified经过人工审核确保每个实例的质量和可解性77% 相似待验证人为植入错误是一种检验AI是否具备发现问题能力的常见评测方法75% 相似待验证标准化AI基准测试(如HumanEval、SWE-bench)存在基准过拟合的失真问题74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/486184

API

curl https://kongchang.com/api/v1/knowledge/claims/486184

MCP

get_claim(id=486184)