待验证50% 置信事实时间未知
SWE-Bench 的测试集来源于 Django、Flask、NumPy、Scikit-learn 等主流 Python 开源项目的真实 Bug 报告
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
Claude 4.5 vs Gemini 3 Pro: A Comprehensive Coding Showdown
bilibiliClaudeEvangelist
相关事实
待验证SWE-bench 的评测任务来自 12 个主流 Python 开源仓库，包括 Django、Flask、scikit-learn 等84% 相似部分验证SWE-bench收集的项目包括Django、scikit-learn、sympy等知名Python开源项目78% 相似部分验证SWE-Bench测试集包含来自12个主流Python开源项目的2294个真实Bug修复任务77% 相似待验证SWE-bench 基准由普林斯顿大学 NLP 团队于 2023 年发布，从 12 个真实开源 Python 项目中抽取 2294 个经过验证的 Issue-PR 配对71% 相似待验证SWE-Bench contains 2,294 real bug-fix tasks from 12 mainstream Python open-source projects.68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/55588API
curl https://kongchang.com/api/v1/knowledge/claims/55588MCP
get_claim(id=55588)