待验证50% 置信事实精确时间
SWE-bench 涉及跨文件依赖分析、版本兼容性判断、回归测试通过等高阶能力，难度比 HumanEval 等写函数类基准更贴近真实工程场景
1
来源数
50%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
Claude Code 入门指南：AI编程助手核心优势与选择建议
bilibiliL大模型知识库2026/7/5
相关事实
待验证SWE-bench相比HumanEval、MBPP等传统基准更贴近实际开发场景，考验模型对大型代码库的理解、跨文件依赖追踪和缺陷定位能力79% 相似待验证SWE-Bench Pro旨在引入更复杂的多文件修改场景和更严格的测试标准，以拉开主流模型之间的分数差距78% 相似待验证评估智能体编程能力的主流基准包括SWE-bench、SWE-bench Verified和HumanEval75% 相似待验证SWE-bench因贴近真实工程场景被业界认为是最具实际参考价值的代码基准测试75% 相似待验证SWE-Bench主要依赖单元测试是否通过来判定任务成功与否，但通过测试并不等于代码质量过关75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/264142API
curl https://kongchang.com/api/v1/knowledge/claims/264142MCP
get_claim(id=264142)