待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

GLM-5.2发布：开源编程能力首次逼近闭源旗舰模型

bilibili五里墩茶社2026/6/22

相关事实

已验证SWE Bench是由普林斯顿大学提出的软件工程基准测试，专门评估AI模型解决真实GitHub Issue的能力72% 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70% 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编程能力排行榜之一69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/438698

API

curl https://kongchang.com/api/v1/knowledge/claims/438698

MCP

get_claim(id=438698)