ความเห็นและบทวิเคราะห์

ทำไม SWE-bench Verified จึงไม่ใช่วัดความสามารถการเขียนโค้ดระดับแนวหน้าอีกต่อไป

สรุปโดย AI

OpenAI ประกาศหยุดใช้เกณฑ์มาตรฐาน SWE-bench Verified ในการประเมินความสามารถการเขียนโค้ดระดับแนวหน้า เกณฑ์นี้สร้างจากปัญหาทางประวัติศาสตร์ของ GitHub โดยการกระจายของงานไม่สามารถสะท้อนประเภทปัญหาจริงที่ผู้ช่วยเขียนโค้ด AI ในปัจจุบันต้องแก้ไขได้อย่างแม่นยำ เมื่อประสิทธิภาพของโมเดลเพิ่มขึ้น ชุดทดสอบมาตรฐานเริ่มอิ่มตัวและความสามารถในการแยกแยะลดลง โดยผลงานของโมเดลที่มีอยู่เข้าใกล้ระดับมนุษย์แล้ว ดังนั้นทีมจึงจะเปลี่ยนไปใช้วิธีการประเมินใหม่ที่มีความท้าทายและความซับซ้อนสมจริงมากขึ้น

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
OpenAI:官网动态(RSS · 排除企业/客户案例)
หมวดหมู่
ความเห็นและบทวิเคราะห์
คะแนน AI
71
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

OpenAI 亲自给 SWE-bench Verified 判了死刑,这比任何第三方评测都有说服力。做 coding agent 选型的人该认真想想,你的 benchmark 体系是不是也该换了。

เอนทิตีที่เกี่ยวข้อง

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: ทำไม SWE-bench Verified จึงไม่ใช่วัดความสามารถการเขียนโค้ดระดับแนวหน้าอีกต่อไป 27 เมษายน 2026 https://new.nat6.net/th/news/cmog2im0800vbslr37vxebh5g/

ดูทั้งหมด →