OpenAI 新分析指出 SWE-Bench Pro 编码评测存在问题

OpenAI 公布的一项新分析揭示了流行编码基准 SWE-Bench Pro 中存在的问题，令外界对 AI 模型评测的可靠性与准确性产生担忧。

来源：OpenAI News