待验证50% 置信事实精确时间
LiveNerf每天重新运行一批独立基准测试，例如GPQA和SWE-bench，并将结果绘制成图表记录在GitHub仓库中
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/28
首次发现
有效期至：2026/12/27
来源
涉及实体
相关事实
待验证SWE-bench评估模型解决真实GitHub issue的能力，LiveCodeBench使用竞赛编程题目防止数据泄露66% 相似待验证代码同步到GitHub意味着遵循标准开源生态规范，可在Vercel、Railway、阿里云等云平台重新部署65% 相似待验证GitHub Models的免费层包含每分钟请求数和每日Token总量的限制，适合开发测试和原型验证场景64% 相似待验证SWE-bench要求模型在真实GitHub仓库中定位问题并生成可通过CI测试的补丁，以Resolve Rate作为核心指标64% 相似待验证Onyx直接使用Git作为实验追踪系统，通过Git提交记录每次实验64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/955016API
curl https://kongchang.com/api/v1/knowledge/claims/955016MCP
get_claim(id=955016)