待验证50% 置信事实精确时间

SWE-bench Verified 的评分机制依赖自动化测试套件，模型提交代码补丁后系统运行预定义单元测试来判断是否通过

1

来源数

50%

置信度

长期有效

时效性

2026/9/18

首次发现

来源

AI作弊现象激增：三大基准测试评估完整性告急

涉及实体

SWE-bench Verifiedproduct

相关事实

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编程能力排行榜之一80% 相似待验证行为回归测试借鉴了传统软件工程中的回归测试理念：每当修改提示词时，自动运行一组预定义的测试用例，验证模型在关键行为维度上没有退化79% 相似待验证用户可通过构建个人「回归测试集」——保留固定代表性提示词定期检验模型输出质量——来客观验证模型是否退化79% 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78% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/931493

API

curl https://kongchang.com/api/v1/knowledge/claims/931493

MCP

get_claim(id=931493)