Nghiên cứu
OpenAI cảnh báo: 30% bài kiểm tra lập trình SWE-Bench Pro bị lỗi
(giờ Việt Nam)
Tóm tắt AI
OpenAI phát hiện 30% tác vụ trong bộ benchmark SWE-Bench Pro bị lỗi, đặt dấu hỏi về sự tiến bộ vượt bậc của các mô hình AI trong lập trình thời gian qua. Hãng khuyến nghị cộng đồng cần xây dựng các bộ đánh giá chuẩn xác hơn để phản ánh đúng năng lực thực tế.
Bài viết được AI dịch và tổng hợp tự động từ X: Shao Meng (@shao__meng). Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.