待验证50% 置信事实精确时间
FrontierSWE 由 METR（Model Evaluation and Threat Research）组织推出，衡量智能体完成数小时到数十小时规模的开放式技术项目
1
来源数
50%
置信度
长期有效
时效性
2026/8/27
首次发现
来源
涉及实体
相关事实
已验证FrontierCode is an evaluation benchmark for AI models' programming capabilities focusing on real engineering tasks rather than simple algorithm problems63% 相似待验证METR（Model Evaluation and Threat Research）等组织正在开发标准化的危险能力测评，包括模型是否能提供超越公开文献的生物合成指导、是否能自主发现零日漏洞62% 相似待验证Anthropic使用RSP框架评估模型的危险能力阈值，OpenAI使用Preparedness Framework，Google DeepMind使用Frontier Safety Framework62% 相似待验证Frontier Code的核心理念是评估代码是否能被项目维护者合并（PR可合并性），而非仅仅通过测试60% 相似待验证METR（前ARC Evals）专注于评估前沿模型的危险能力58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/807814API
curl https://kongchang.com/api/v1/knowledge/claims/807814MCP
get_claim(id=807814)