Unverified50% confidenceOpinionTime unknown
SWE-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
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
Related Claims
UnverifiedSWE-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75% similarUnverified编程能力的评估通常参考HumanEval、MBPP、SWE-bench等标准化基准测试，但实际工程场景表现与基准测试结果存在差异73% similarUnverifiedSWE-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% similarUnverified代码基准测试主要覆盖算法题与函数级代码生成，评测分数高并不直接等同于工程实战能力强71% similarUnverifiedSWE-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70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/56714API
curl https://kongchang.com/api/v1/knowledge/claims/56714MCP
get_claim(id=56714)