IT之家8月15日消息，OpenAI公司于8月13日发布新闻稿，宣布推出SWE-benchVerif...【查看原文】
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。虽然LLM在SWE-bench上取得了令人瞩目的进展，但OpenAI的研究发现，该基准存在一些问题，可能导致低估模型的自主软件工程能力。
OpenAI
华尔街见闻 2024-08-14
一直以来，大模型的编程能力都备受关注，超强AI程序员Devin的问世更是将「AI能否替代程序员」这一话题推上了风口浪尖。最近，Devin也迎来了新对手——初创公司Cosine推出的自主AI程序员Genie。这个SWE-Bench是一个用于评估LLM解决GitHub上真实软件问题能力的基准测试数据集。
OpenAI编程GitHub
机器之心Pro 2024-08-14
OpenAI公司于8月13日发布新闻稿，宣布推出SWE-benchVerified代码生成评估基准，解决了此前的局限性问题，能够更准确地评估人工智能模型在软件工程任务中的表现。SWE-bench是一个软件工程…
OpenAI编程人工智能
三言财经 2024-08-16
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。》报告了一项基于稀土钡铜氧化物(REBCO)的超高性能超导线材的制备成果，为世界上性能最高的高温超导线段，同时性价比指标显著提高。
OpenAI谷歌
每日经济新闻 2024-08-14
豆包MarsCode 积极探索缺陷自动修复，通过对多 Agent 协作和静态分析的创新和结合，在 SWE-bench Lite 排行榜上位列第一，一文了解技术细节
豆包MarsCode 2024-10-25
模型竞争与应用落地并进，AI产业又走过提速一年
新识研究所 2024-12-31
2024年银行板块以34.39%的涨幅位居首位。
WEMONEY研究室 2024-12-31
如何布局？
格隆汇 2024-12-31
历史总是在重复上演
道总有理 2024-12-31
再见2024
指北Focus 2024-12-31
变革进行时。
松果财经 2024-12-31
到底什么是管培生？没人管+没培养=大号实习生
互联网那些事 2024-12-31
成为霸总第一步，先换上红色薄底鞋
36氪的朋友们 2024-12-31
承压，变革、种下希望
小食代 2024-12-31
“IP联名=名创”？
海豚投研 2024-12-31
Copyright © 2026 aigcdaily.cn 北京智识时代科技有限公司 版权所有 京ICP备2023006237号-1
