待验证50% 置信事实精确时间
SWE-bench要求智能体在无人工干预下提交可通过测试套件的补丁
1
来源数
50%
置信度
长期有效
时效性
2026/10/9
首次发现
来源
涉及实体
相关事实
待验证评估智能体编程能力的主流基准包括SWE-bench、SWE-bench Verified和HumanEval72% 相似已验证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编程能力排行榜之一72% 相似待验证SWE-bench 涉及跨文件依赖分析、版本兼容性判断、回归测试通过等高阶能力，难度比 HumanEval 等写函数类基准更贴近真实工程场景72% 相似待验证对工具的评估建议：能确定性测试的尽量做确定性测试，再用LLM评估与智能体的触点71% 相似待验证智能体评估基准测试套件包括GAIA、AgentBench和SWE-bench71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/990200API
curl https://kongchang.com/api/v1/knowledge/claims/990200MCP
get_claim(id=990200)