OpenAI：为何我们不再评测 SWE-bench Verified

OpenAI 宣布不再评测 SWE-bench Verified，称该基准日益受到数据污染，无法准确衡量前沿编码能力进展。其分析发现该基准存在测试用例缺陷与训练数据泄漏问题。OpenAI 建议改用 SWE-bench Pro。