Unverified50% confidenceFactExact time

SWE-bench测试样本取自真实GitHub仓库的历史Issue，评分标准是能否通过仓库原有的完整测试套件

1

Sources

50%

Confidence

Long-term

Relevance

7/10/2026

First Seen

Sources

GLM-5.2发布：开源编程能力首次逼近闭源旗舰模型

bilibili五里墩茶社6/22/2026

Related Claims

VerifiedSWE Bench是由普林斯顿大学提出的软件工程基准测试，专门评估AI模型解决真实GitHub Issue的能力72% similar UnverifiedSWE-bench因贴近真实工程场景被业界认为是最具实际参考价值的代码基准测试70% similar UnverifiedSWE-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编程能力排行榜之一69% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/438698

API

curl https://kongchang.com/api/v1/knowledge/claims/438698

MCP

get_claim(id=438698)