待验证95% 置信事实时间未知

SWE-bench由普林斯顿大学研究团队推出，专门用于评估大语言模型解决真实软件工程问题的能力

1

来源数

95%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

SWE-bench官方博客上线：AI编程评测标准进入新阶段

twitterSWEbench

涉及实体

SWE-benchproduct 普林斯顿大学organization

相关事实

待验证大语言模型编程场景的核心能力指标包括HumanEval代码生成基准、SWE-bench真实Bug修复成功率及跨文件依赖解析准确性67% 相似待验证RAG技术是目前业界公认的缓解大语言模型幻觉问题最有效的工程化方案之一64% 相似待验证该项目主要使用Shell语言编写62% 相似待验证一位Reddit开发者基于Jacobian-Lens构建了一款实验性工具，通过手动调整模型的J-Space直接改写大语言模型行为61% 相似待验证Project Glasswing引入了大语言模型（LLM）的语义理解能力来进行漏洞检测61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/26918

API

curl https://kongchang.com/api/v1/knowledge/claims/26918

MCP

get_claim(id=26918)