精选理由
OpenAI 公布了一种审计 SWE-Bench Pro 的新方法，结合模型代理和五名资深工程师的独立评审，适合关注基准测试可靠性和自动审计的朋友。
OpenAI 在审计 SWE-Bench Pro 时部署了模型驱动的调查代理，并搭配五名独立资深软件工程师进行人工复审。该方法在规模化检查任务的同时保持专家判断为核心。审计结果未被详细披露，但流程强调了自动代理与人工协作的可行性。
AI 翻译 · 中文
OpenAI 在审计 SWE-Bench Pro 时部署了模型驱动的调查代理，并搭配五名独立资深软件工程师进行人工复审。该方法在规模化检查任务的同时保持专家判断为核心。审计结果未被详细披露，但流程强调了自动代理与人工协作的可行性。
To audit SWE-Bench Pro, we used model-based investigator agents alongside independent reviews from five independent experienced software engineers. That helped us examine tasks at scale while keeping expert judgment at t…