已验证85% 置信基准精确时间

HumanEval由OpenAI自研，专门测试代码生成的功能正确率

5

来源数

85%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

起底GPT-5.6营销骗局：Sol/Terra/Luna子模型是真实发布还是充值陷阱？

相关事实

已验证HumanEval是由OpenAI于2021年发布的代码生成基准测试，包含164个手写的Python编程问题80% 相似待验证代码生成基准测试（如HumanEval）的分数已接近饱和。77% 相似已验证代码生成领域的模型评估如HumanEval、SWE-bench格外强调功能正确性而非流畅度75% 相似已验证代码大语言模型采用HumanEval、MBPP等可执行基准评估，即直接运行生成代码并检验输出是否正确74% 相似已验证HumanEval专注代码生成能力，以164道编程题检验模型的逻辑推理与代码正确性73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/547586

API

curl https://kongchang.com/api/v1/knowledge/claims/547586

MCP

get_claim(id=547586)