硫磺皂洗澡患湿疹

0%完成率！Claude、GPT、Gemini 全灭，SWE-Bench作者新作把AI圈干沉默了_蜘蛛资讯网

;     即便论文专门增加了一个 Almost 指标——统计那些完成度超过 95% 的任务。目前表现最强的 Claude Opus 4.7，也只有 3% 的任务接近完成。                  &nbs

                   你很难为一个没有标准答案的问题设计完备测试；也很难判断任务是否真的属于现实世界工程任务，还是研究者凭空捏造出来的 challenge。       

当前文章：http://o7ea.wenkepu.cn/cxs5d/abssnk.html

发布时间：03:30:50