[前沿快讯 🗞] 7 月 9 日， OpenAI 主动承认用于代码评测的 SWE-Bench Pro 有约 30% 的任务有缺陷，导致分数失真，不再推荐它作为前沿模型的主要评测标准

信息来源: openai.com/index/separating-signal-from-noise-coding-evaluations x.com/OpenAI/status/2074972179385720836