新火种
2025-03-21 
openai推出大模型测试基准swe
品玩2月19日讯，OpenAI 官方宣布，推出一款全新的大模型测试基准SWE-Lancer，主要用于评测大模型的编程能力。
据悉，该评测基准提供了1400多项软件工程任务，包括独立工程任务和管理任务。独立任务由经验丰富的软件工程师通过三重验证的端到端测试进行评分，而管理决策则根据最初聘用的工程经理的选择进行评估。
为了促进未来的研究，OpenAI开源了统一的 Docker 映像和公共评估拆分，即 SWE-Lancer Diamond。
相关推荐
- 免责声明
- 本文所包含的观点仅代表作者个人看法，不代表新火种的观点。在新火种上获取的所有信息均不应被视为投资建议。新火种对本文可能提及或链接的任何项目不表示认可。 交易和投资涉及高风险，读者在采取与本文内容相关的任何行动之前，请务必进行充分的尽职调查。最终的决策应该基于您自己的独立判断。新火种不对因依赖本文观点而产生的任何金钱损失负任何责任。
热门文章
