OpenAI 发现大约 30% 的流行 AI 编码测试被破坏

OpenAI 审查了 SWE-Bench Pro（一种广泛使用的用于测量 AI 模型编程技能的测试），发现其大约 30% 的任务被破坏。该公司正在撤销之前对该基准的认可。一个…

摘要仅供参考,请点击来源链接查看全文。演示条目为示意。