AIインテリジェンスJul 8, 2026AIインテリジェンス記事OpenAIは、SWE-Bench Proベンチマークのタスクの約30%が破損していることを発見しました。同社は、ベンチマークの採用を推奨していた以前の推奨を撤回し、AIのコーディング能力を評価する際には注意を促しています。Data Cube AI 編集部2026/07/08出典: Techmeme01ソース要約OpenAIは、SWE-Bench Proベンチマークのタスクの約30%が破損していることを発見しました。同社は、ベンチマークの採用を推奨していた以前の推奨を撤回し、AIのコーディング能力を評価する際には注意を促しています。02関連トピック研究ベンチマーク品質リサーチ号を見る