OpenAI 为什么不再评估 SWE-bench Verified

OpenAI 不再使用 SWE-bench Verified 评估自家模型，理由是该基准污染日益严重，且无法准确衡量前沿编码进展。OpenAI 的分析发现其中存在测试缺陷与训练数据泄漏，并推荐改用 SWE-bench Pro。