待验证50% 置信事实精确时间
HumanEval、MBPP、SWE-bench是AI编程评测领域的行业标准基准测试
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
AI编程为何进步最快？四大结构性优势深度解析
bilibili卢菁博士_北大AI博士后2026/6/5
相关事实
待验证HumanEval、MBPP、SWE-bench是专门针对代码生成的标准评测集83% 相似待验证业界普遍依赖 HumanEval、SWE-bench 等基准测试评估LLM编程能力81% 相似待验证编程能力的评估通常参考HumanEval、MBPP、SWE-bench等标准化基准测试，但实际工程场景表现与基准测试结果存在差异80% 相似待验证AI 编程领域最受认可的评测基准包括 HumanEval（测试从函数文档字符串生成正确实现）和 SWE-bench（在真实 GitHub 仓库中定位并修复实际 issue）78% 相似待验证HumanEval、SWE-bench等代码评测基准的排名是评估执行型Agent底层模型选型的重要参考维度76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/53528API
curl https://kongchang.com/api/v1/knowledge/claims/53528MCP
get_claim(id=53528)