待验证50% 置信事实精确时间
SWE-bench相比HumanEval、MBPP等传统基准更贴近实际开发场景，考验模型对大型代码库的理解、跨文件依赖追踪和缺陷定位能力
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
SWE-1.7编程模型解析：专用AI如何逼近顶级通用模型
hackernewshackernews2026/7/8
相关事实
待验证SWE-bench 涉及跨文件依赖分析、版本兼容性判断、回归测试通过等高阶能力，难度比 HumanEval 等写函数类基准更贴近真实工程场景79% 相似已验证评估编程大模型的主流基准包括HumanEval、MBPP、SWE-bench和LiveCodeBench76% 相似待验证编程能力的评估通常参考HumanEval、MBPP、SWE-bench等标准化基准测试，但实际工程场景表现与基准测试结果存在差异72% 相似待验证评估智能体编程能力的主流基准包括SWE-bench、SWE-bench Verified和HumanEval72% 相似待验证SWE-Bench Pro旨在引入更复杂的多文件修改场景和更严格的测试标准，以拉开主流模型之间的分数差距70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/491138API
curl https://kongchang.com/api/v1/knowledge/claims/491138MCP
get_claim(id=491138)