# SWE-bench Verified

大模型的进步，为什么越来越难衡量了？

25位菲尔兹奖得主联名警告AI基准测试伤害数学研究。OpenAI发现前沿模型存在“基准污染”，因SWE-bench Verified近六成题目有纰漏，已停止报告该成绩。