待验证50% 置信基准精确时间
codex-1在SWE-bench等软件工程基准测试中的表现大幅领先于仅经过对话优化的通用模型
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/2
首次发现
有效期至：2026/12/1
来源
涉及实体
相关事实
待验证codex-1在训练过程中使用了真实代码仓库、测试用例执行反馈和代码审查数据73% 相似待验证基准测试数据显示Cursor在模型性能上优于Cloud Code和Codex72% 相似待验证ChatGPT Codex基于codex-1模型，该模型经过强化学习训练，特别针对代码正确性、测试通过率和代码风格一致性进行了奖励函数设计71% 相似待验证研究表明对抗式多智能体系统在代码审查、方案评估等任务上的准确率显著优于单一大模型的自我反思机制69% 相似待验证SWE-bench相比HumanEval、MBPP等传统基准更贴近实际开发场景，考验模型对大型代码库的理解、跨文件依赖追踪和缺陷定位能力68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/843128API
curl https://kongchang.com/api/v1/knowledge/claims/843128MCP
get_claim(id=843128)