待验证50% 置信事实精确时间

SWE-RPG在SWE-bench基础上引入更细粒度的评分维度，对需求理解、规划质量、代码风格等中间环节进行独立打分

1

来源数

50%

置信度

长期有效

时效性

2026/8/24

首次发现

来源

Claude Code vs Codex深度对比：选对AI编程助手的关键

涉及实体

SWE-RPGconcept SWE-benchconcept

相关事实

待验证SWE-bench比HumanEval（单函数补全）或MBPP（简单算法题）更贴近生产环境67% 相似待验证SWE-bench由普林斯顿大学研究团队推出，专门用于评估大语言模型解决真实软件工程问题的能力65% 相似待验证业界代码库理解通常采用分层摘要和RAG两类方案63% 相似待验证简单代码补全用轻量模型即可，涉及跨文件重构、架构级推理时才需要旗舰能力63% 相似待验证在系统提示词中明确约束输出格式和风格能够减少模型风格漂移，使生成结果更符合既有代码库的一致性要求63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/794279

API

curl https://kongchang.com/api/v1/knowledge/claims/794279

MCP

get_claim(id=794279)