待验证90% 置信事实时间未知
EVERY团队发明了名为SABench（Senior Engineer Benchmark）的基准测试，要求模型对质量较差的代码库进行从头重写
1
来源数
90%
置信度
长期有效
时效性
2026/6/2
首次发现
来源
GPT-5.5实测3周：编程能力碾压Opus 4.7？
bilibili未来变量relaunch
涉及实体
相关事实
待验证作者检查了约1500次检测调用，手动挖掘误报、调整边界框后重新训练模型65% 相似待验证SWE-bench Verified由人工标注者筛除描述模糊或测试不稳定的样本，是业界权威的AI编程能力排行榜之一65% 相似待验证SWE-bench测试样本取自真实GitHub仓库的历史Issue，评分标准是能否通过仓库原有的完整测试套件64% 相似已验证传统测试用例编写流程中，测试工程师需要手动拆解功能模块、构思测试场景、编写操作步骤和预期结果63% 相似待验证BenchLocal的测试维度包括工具调用、命令行操作、Bug识别修复、指令遵循、Hermes Agent、结构化输出、数学推理、数据提取共8大类63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/38042API
curl https://kongchang.com/api/v1/knowledge/claims/38042MCP
get_claim(id=38042)