在编码评估中将信号与噪声分离

内容摘要

OpenAI 的一项新分析揭示了流行的编码基准 SWE-Bench Pro 中的问题，引发了人们对评估 AI 模型的可靠性和准确性的担忧。

以上文字摘自该媒体公开的 RSS 摘要，仅供导读，不能替代原文。