Nghiên cứu
OpenAI phát hiện 30% tác vụ trong bộ đo chuẩn SWE-Bench Pro bị lỗi
(giờ Việt Nam)
Tóm tắt AI
OpenAI vừa công bố kết quả kiểm định cho thấy 30% tác vụ trong SWE-Bench Pro không còn chính xác để đánh giá năng lực lập trình của AI, dẫn đến việc họ rút lại khuyến nghị sử dụng bộ đo này làm tiêu chuẩn chính.
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.