Nghiên cứu
OpenAI: Bộ tiêu chuẩn đánh giá lập trình SWE-Bench Pro đã không còn hiệu quả
(giờ Việt Nam)
Tóm tắt AI
OpenAI công bố kết quả kiểm định cho thấy SWE-Bench Pro đã đạt ngưỡng bão hòa và không còn là thước đo tin cậy cho khả năng lập trình của các mô hình AI tiên tiến, do đó khuyến nghị cộng đồng nghiên cứu tìm kiếm các phương pháp đánh giá mới.
Bài viết được AI dịch và tổng hợp tự động từ X: OpenAI (@OpenAI). 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.