Unverified50% confidenceBenchmarkExact time

SWE-bench要求模型解决GitHub上真实的软件缺陷，是评估Agent级编程能力的权威基准

1

Sources

50%

Confidence

Long-term

Relevance

7/19/2026

First Seen

Sources

BatonBot：看板式管理AI编程Agent的开源工具

Related Claims

UnverifiedSWE-bench从真实GitHub Issues中提取任务，要求模型修复主流开源项目的真实Bug，被视为衡量实际解决工程问题能力的黄金标准82% similar UnverifiedSWE-bench评估模型解决真实GitHub Issue的能力，被认为比HumanEval更贴近Agent实际工作场景82% similar UnverifiedSWE-bench要求模型在真实GitHub仓库中定位问题并生成可通过CI测试的补丁，以Resolve Rate作为核心指标81% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/564993

API

curl https://kongchang.com/api/v1/knowledge/claims/564993

MCP

get_claim(id=564993)