待验证50% 置信事实精确时间

相较于 HumanEval 等仅考察单函数代码生成的基准，SWE-bench 更强调跨文件理解和多步骤规划

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

Devin Voice深度解读：语音驱动AI编程的全新范式

涉及实体

SWE-benchconcept HumanEvalconcept

相关事实

待验证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71% 相似待验证大语言模型编程场景的核心能力指标包括HumanEval代码生成基准、SWE-bench真实Bug修复成功率及跨文件依赖解析准确性68% 相似待验证SWE-bench比HumanEval（单函数补全）或MBPP（简单算法题）更贴近生产环境68% 相似待验证结构化的提示词相比纯文本段落，能让模型更精确地识别不同指令模块的边界，减少指令混淆68% 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67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/915328

API

curl https://kongchang.com/api/v1/knowledge/claims/915328

MCP

get_claim(id=915328)