OpenAI 为何不再使用 SWE-bench Verified 进行评测

OpenAI 宣布停止使用 SWE-bench Verified 评估模型，指出该基准日益严重的数据污染导致其无法准确衡量前沿编码进展。内部分析显示该基准存在测试缺陷与训练数据泄漏问题，官方建议改用 SWE-bench Pro 进行评测。