已验证65% 置信事实精确时间

SWE-bench要求模型从真实GitHub Issue出发自主完成代码修改并通过测试用例，比HumanEval更接近真实工程场景

3

来源数

65%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

阿里禁用Claude Code：AI编程工具安全与数据主权之争

bilibiliSynthMindX2026/7/4

相关事实

待验证SWE-bench评估模型解决真实GitHub Issue的能力，被认为比HumanEval更贴近Agent实际工作场景82% 相似待验证SWE-bench要求模型阅读真实GitHub仓库的Issue，自主生成补丁并通过隐藏测试集验证，被认为是最贴近工程实战的代码能力基准之一80% 相似已验证SWE-bench要求模型解决GitHub上真实的软件缺陷，是评估Agent级编程能力的权威基准80% 相似待验证SWE-bench从主流Python开源项目提取真实GitHub Issue，要求模型生成能通过官方测试套件的代码补丁79% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/489178

API

curl https://kongchang.com/api/v1/knowledge/claims/489178

MCP

get_claim(id=489178)