למה לא מבקרים את SWE-Bench Verified עוד?

SWE-bench Verified היא פוטנציאלית מושלמת, אבל היום היא מתנגדת לערכן ואינה מדד טבעי עבור קוד חדש. בדיקה שלנו תגלה שדיווחים חיצוניים הם בעיה, וקואורדינציה צריכה להתחיל עם SWE-Bench Pro.

מקור: OpenAI News — לכתבה המלאה