AI情报Jul 8, 2026AI情报文章OpenAI 发现 SWE-Bench Pro 基准测试中约 30% 的任务出现故障。该公司收回了之前采纳该基准测试的建议,并建议在评估人工智能编码能力时保持谨慎。Data Cube AI 编辑部2026年7月8日来源: Techmeme01来源简报OpenAI 发现 SWE-Bench Pro 基准测试中约 30% 的任务出现故障。该公司收回了之前采纳该基准测试的建议,并建议在评估人工智能编码能力时保持谨慎。02相关话题研究基准测试质量查看本期