待验证50% 置信基准精确时间
SWE-Race 是针对并发Bug的AI编程基准测试，从约100个Python项目已合并的PR中提取了188个真实的并发缺陷
1
来源数
50%
置信度
长期有效
时效性
2026/10/6
首次发现
来源
涉及实体
相关事实
已验证SWE-bench Verified由人工标注者筛除描述模糊或测试不稳定的样本，是业界权威的AI编程能力排行榜之一71% 相似待验证SkillCascade-Bench包含213个经过验证的级联测试用例，覆盖多种智能体系统与应用领域67% 相似待验证OpenAI发布GeneBench Pro研究基准测试，包含129个评估任务，涵盖10个主要领域和21个细分方向，前沿模型最高得分31.5%67% 相似待验证突变测试通过对源代码进行小规模随机修改后运行现有测试套件，若测试未检测到突变体则说明测试覆盖存在盲区，主流工具包括 Java 的 PIT、Python 的 mutmut、JavaScript 的 Stryker67% 相似已验证SWE-bench Verified是经过人工验证的子集，约500个样本，排除了描述模糊或测试不可靠的任务67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/980429API
curl https://kongchang.com/api/v1/knowledge/claims/980429MCP
get_claim(id=980429)