AI 中文社
基准 标签，匹配到约2个结果, 耗时0.0614秒
OpenAI 挑战 AI 评测基准 SWE-Bench Pro：约 30% 存在评测缺陷
OpenAI 昨日（7 月 8 日）发布博文，挑战行业权威评测基准 SWE-Bench Pro，认为在 731 个公开测试任务中，约 30% 存在评测缺陷。...
2026-07-09
·
浏览18次
业界首个，JetBrains 发布 AI 编码智能体基准测试平台 DPAI Arena
DPAI Arena 宣称是业内首款开放式、多语言、多框架和多工作流基准测试平台，旨在衡量 AI 编码智能体在现实世界软件工程任务中的成效。它围绕灵活且基于路径的架构构建而成，能够对各种工作流（例如，修补、bug 修正、PR 审查、测试生成...
2025-11-17
·
浏览421次
上一页
·
下一页
· 当前第1页
