Unverified50% confidenceBenchmarkExact time
SWE-bench由普林斯顿大学Carlos E. Jimenez等研究者于2023年发布，包含来自12个真实Python开源仓库的2294个Issue-PR配对样本
1
Sources
50%
Confidence
Long-term
Relevance
7/7/2026
First Seen
Sources
100亿Token实战：Codex长程工程能力深度测评
bilibili程序员阿江-Relakkes6/9/2026
Related Claims
UnverifiedSWE-bench 基准由普林斯顿大学研究团队于2023年发布，包含2294个经过验证的问题单-修复提交配对74% similarUnverifiedSWE Bench由普林斯顿大学研究团队于2023年推出，测试集包含来自12个主流开源Python项目的2294个真实问题72% similarUnverifiedSWE-Bench由普林斯顿大学研究团队于2023年发布，要求模型在真实代码仓库语境下理解跨文件依赖、定位根因并生成补丁68% similarUnverifiedSWE Bench由普林斯顿大学研究者于2023年发布，基于真实GitHub仓库的Issue-PR对，使用仓库自带测试套件评判，Pro版本增加了时间过滤去污染机制66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/155995API
curl https://kongchang.com/api/v1/knowledge/claims/155995MCP
get_claim(id=155995)