待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/7/11

首次发现

来源

GPT-5.6发布：Codex正式集成ChatGPT，AI编程迈入新阶段

twitterOpenAIDevs2026/7/10

相关事实

已验证SWE-bench Verified是经过人工验证的子集，约500个样本，排除了描述模糊或测试不可靠的任务80% 相似已验证SWE-bench Verified经过人工审核确保每个实例的质量和可解性77% 相似待验证标准化AI基准测试(如HumanEval、SWE-bench)存在基准过拟合的失真问题74% 相似待验证该方案中 AI 自动评审会进行完整性检查、一致性检查和冗余检查等多维度验证74% 相似待验证针对AI生成代码的验证流程应包含静态分析关卡、依赖审计、测试覆盖率门禁和人工语义审查四个互补检查点74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/486184

API

curl https://kongchang.com/api/v1/knowledge/claims/486184

MCP

get_claim(id=486184)