SWE-Bench Pro Verified基准发布

1. 12:00
   arXiv cs.SE

   SWE-Bench Pro Verified：面向软件工程智能体的可靠基准

   论文提出 SWE-Bench Pro Verified，针对 SWE-Bench Pro 评估中的两类不可靠来源进行修正：一是奖励攻击，源于金标答案或隐藏评估信息泄漏；二是任务质量问题，包括误导性题目描述和范围不当的测试。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。