לא חוזרים על הערכה של SWE-bench Verified

SWE-bench Verified נראה ככירוביט ואיכותו הולכת ומסוכמת. הערכת המודל אינה מדויקת יותר. אנחנו ממליצים להשתמש ב SWE-Bench Pro.

מקור: OpenAI News — לכתבה המלאה