待验证50% 置信事实精确时间
SAO团队选取了SWE-Bench Verified、BeyondAIME和IMOAnswerBench三个高难度基准进行验证
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/12
首次发现
有效期至：2026/12/11
来源
涉及实体
相关事实
待验证SWE-Bench推出了SWE-Bench Verified和SWE-Bench Multimodal变体，前者人工筛选确保可解性，后者加入截图等多模态上下文75% 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70% 相似待验证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编程能力排行榜之一68% 相似待验证官方给出了针对Terminal Bench 2.1、SWE Bench Verified/Pro以及CLAW Eval等多个基准的评测数据66% 相似待验证智能体评估基准测试套件包括GAIA、AgentBench和SWE-bench66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/910348API
curl https://kongchang.com/api/v1/knowledge/claims/910348MCP
get_claim(id=910348)