OpenAI推出更可靠的代码生成评估基准:SWE-bench Verified。公司在官网的一篇Blog中称:“随着我们的系统越来越接近AGI(通用人工智能),我们需要在越来越具有挑战性的任务中对它们进行评估”。该基准是对现有SWE-bench 的改进版本(子集),旨在更可靠地评估AI模型解决现实世界软件问题的能力。 (每日经济新闻)
来源:36氪
OpenAI推出更可靠的代码生成评估基准:SWE-bench Verified。公司在官网的一篇Blog中称:“随着我们的系统越来越接近AGI(通用人工智能),我们需要在越来越具有挑战性的任务中对它们进行评估”。该基准是对现有SWE-bench 的改进版本(子集),旨在更可靠地评估AI模型解决现实世界软件问题的能力。 (每日经济新闻)
来源:36氪