聚焦该标签下的所有相关内容。
OpenAI 对广泛使用的编码基准 SWE‑Bench Pro 进行了审计，发现…
ScarfBench 是一个针对企业级 Java 框架迁移的开源基准，评估 AI…
OpenAI 推出 GeneBench-Pro——一个面向计算生物学的研究级基准…
