待验证50% 置信事实精确时间

SWE-bench和GAIA是更接近真实世界的评测方法，SWE-bench基于真实GitHub issue修复，GAIA需要多步工具使用

1

来源数

50%

置信度

长期有效

时效性

2026/8/27

首次发现

来源

AI能力争论：Reddit为何两极分化？理性看待AI真实水平

涉及实体

SWE-benchconcept GAIAconcept

相关事实

待验证SWE-bench评估模型解决真实GitHub Issue的能力，被认为比HumanEval更贴近Agent实际工作场景66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/807981

API

curl https://kongchang.com/api/v1/knowledge/claims/807981

MCP

get_claim(id=807981)