OpenAI 推出更可靠的代码生成评估基准：SWE-bench Verified。该公司blog里最重要的一句话是：”随着我们的系统越来越接近 AGI，我们需要在越来越具有挑战性的任务中对它们进行评估”。该基准是对现有 SWE-bench 的改进版本（子集），旨在更可靠地评估 AI 模型解决现实世界软件问题的能力。（AI寒武纪）