待验证50% 置信事实精确时间
SWE-bench和LiveCodeBench是业界较为公认的代码大模型评测基准
1
来源数
50%
置信度
长期有效
时效性
2026/9/12
首次发现
来源
涉及实体
相关事实
已验证评估编程大模型的主流基准包括HumanEval、MBPP、SWE-bench和LiveCodeBench79% 相似待验证LiveCodeBench持续从LeetCode、Codeforces、AtCoder等竞赛平台抓取新题目以防止模型刷分，评测涵盖代码生成、自我修复、代码执行推理和测试输出预测四大维度74% 相似待验证SWE-bench因贴近真实工程场景被业界认为是最具实际参考价值的代码基准测试72% 相似待验证HumanEval、MBPP、SWE-bench是专门针对代码生成的标准评测集69% 相似待验证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67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/910355API
curl https://kongchang.com/api/v1/knowledge/claims/910355MCP
get_claim(id=910355)