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
历经8个月，斥资约7亿美元，英伟达终于完成对AI初创Run:ai的收购，进一步完善了在AI领域的布局。Run:ai两位创始人表示，他们将会对软件进行开源。
新智元 2024-12-31
内卷的服装产业，何以依托出海又跑出一个“江南曹县”？
天下网商 2024-12-31
十大A股公司获股东增持超10亿元。
读数一帜 2024-12-31
2026年第四季度实现量产EMB。
田哲 2024-12-31
训练成本仅为GPT-4o的二十分之一
凤凰网科技 2024-12-31
“画大饼”的背后，是理想的“瓶颈期”焦虑
光子星球 2024-12-31
首次在一线城市成功“拍地”，2025年重点布局北上广等十余个城市。
未来城不落 2024-12-31
一面海水一面火焰
时代财经 2024-12-31
字节教育业务以新形式“重生”。
多知网 2024-12-31
展望2025政策趋势
中指研究院 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
