Bad benchmarks and evals: Senior SWE-Bench, napkin math, and winter tires

  • 情报分类：技术价值
  • 命中依据：讨论SWE-Bench基准与评测方法的缺陷，有技术参考价值
  • 来源：Hacker News 新项目
  • 原作者：luu
  • 发布时间：2026/9/11 17:31:27