Nghiên cứu
OpenAI loại bỏ SWE-Bench Pro, nghi vấn về tính minh bạch trong đánh giá GPT-5.6
(giờ Việt Nam)
Tóm tắt AI
OpenAI thừa nhận bộ tiêu chuẩn lập trình SWE-Bench Pro bị lỗi 30% và không còn đáng tin cậy. Chuyên gia Ethan Mollick đặt dấu hỏi khi OpenAI phát triển bộ đo lường GDPval chất lượng cao nhưng lại không công bố kết quả cho GPT-5.6.
Bài viết được AI dịch và tổng hợp tự động từ X: Ethan Mollick (@emollick). 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.