待验证50% 置信事实精确时间

Deep SWE测试模拟真实软件工程环境，要求AI在已有代码库中理解架构、定位问题、迭代修改并通过自动化测试验证结果

1

来源数

50%

置信度

长期有效

时效性

2026/10/1

首次发现

来源

Gemini 4 Argon发布：谷歌凭多项基准测试重回第一梯队

涉及实体

Deep SWEconcept

相关事实

待验证SWE-bench基准测试已成为评估AI Agent代码能力的行业标准，包含从真实GitHub仓库中提取的软件工程任务78% 相似待验证SWE-bench Verified 的评分机制依赖自动化测试套件，模型提交代码补丁后系统运行预定义单元测试来判断是否通过72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/963863

API

curl https://kongchang.com/api/v1/knowledge/claims/963863

MCP

get_claim(id=963863)