12:23
Viking@vikingmute
Viking@vikingmute推荐理由：这个基准测试解决了现有 coding benchmark 数据污染问题，做 AI 编程模型评估的团队可以直接参考排行榜，小米模型的表现值得一试。
coding benchmark
共 1 条相关 AI 资讯
5月28日
12:23
DeepSWE 是一个全新的 coding benchmark，所有任务均为原创、从零编写，避免了模型预训练数据记忆污染。任务涵盖多种编程语言，复杂度接近真实世界，参考解决方案平均需修改 668 行代码。排行榜显示 GPT-5.5 xhigh 通过率最高，GPT-5.4 xhigh 第二，其他模型通过率较低。小米的模型表现意外不错，值得关注。