精选理由
OpenAI 自己说现在的编码测试太简单了，得加点难度和公平性。搞 AI 写代码的可以看看基准怎么改。
OpenAI 在推特上指出，随着编码模型不断进步，现有的评估基准已不足以衡量真实进展。他们强调需要设计更难的测试、更公平的对比和更可靠的结果。这条观点引发社区对当前基准如 SWE-bench 等是否仍有效的讨论。
AI 翻译 · 中文
OpenAI 在推特上指出，随着编码模型不断进步，现有的评估基准已不足以衡量真实进展。他们强调需要设计更难的测试、更公平的对比和更可靠的结果。这条观点引发社区对当前基准如 SWE-bench 等是否仍有效的讨论。
As coding models improve, evals need to become harder, fairer, and more trustworthy. Better benchmarks help the field understand real progress and where the frontier is moving. 💬 4 🔄 2 ❤️ 169 👀 20344 📊 16 ⚡ Powered b…