AI 快讯列表关于 基准集
| 时间 | 详情 |
|---|---|
|
2026-07-08 13:41 UTC |
OpenAI审计SWE-Bench Pro曝缺陷
据@OpenAI称，30%任务失效，撤回其作为领先编码评测的推荐。 |
|
2026-06-17 12:41 UTC |
LifeSciBench发布750任务基准
据OpenAI称，基准含750任务与7流程，评估AI助力生命科学研究。 |