待验证50% 置信观点精确时间

SWE-bench评估模型解决真实GitHub Issue的能力，被认为比HumanEval更贴近Agent实际工作场景

1

来源数

50%

置信度

长期有效

时效性

2026/7/6

首次发现

来源

开源AI助手对接OpenClaw龙虾实战：本地智能体配置全流程

bilibili枫影剑wind2026/7/4

相关事实

待验证SWE-bench要求模型从真实GitHub Issue出发自主完成代码修改并通过测试用例，比HumanEval更接近真实工程场景82% 相似待验证SWE-bench要求模型解决GitHub上真实的软件缺陷，是评估Agent级编程能力的权威基准82% 相似待验证SWE-bench从真实GitHub Issues中提取任务，要求模型修复主流开源项目的真实Bug，被视为衡量实际解决工程问题能力的黄金标准76% 相似待验证GitHub的实践经验表明，人机协作模式（Agent提供建议由开发者审核确认）优于全自动化修复76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/115479

API

curl https://kongchang.com/api/v1/knowledge/claims/115479

MCP

get_claim(id=115479)