待验证50% 置信事实精确时间

HumanEval 系列专注于代码能力追踪，BIG-Bench 是学术界的评估项目

1

来源数

50%

置信度

长期有效

时效性

2026/9/21

首次发现

来源

Fable 5引发热议：AI推理能力真的在下降吗？

涉及实体

HumanEvalproduct BIG-Benchproduct

相关事实

待验证HumanEval、SWE-bench等代码评测基准的排名是评估执行型Agent底层模型选型的重要参考维度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71% 相似已验证评估编程大模型的主流基准包括HumanEval、MBPP、SWE-bench和LiveCodeBench70% 相似待验证业界普遍依赖 HumanEval、SWE-bench 等基准测试评估LLM编程能力70% 相似已验证HumanEval、MBPP、SWE-bench是AI编程评测领域的行业标准基准测试70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/939557

API

curl https://kongchang.com/api/v1/knowledge/claims/939557

MCP

get_claim(id=939557)