SWE-bench 的問題：為什麼我們的 LLM 競賽建立在沙上 1) 在 LLM 的世界裡，基準測試就是記分牌。 公司向投資者、用戶和公眾展示數字，仿佛它們代表著“智能”。 但最受追捧的基準測試 SWE-bench 經過驗證後，結果卻發現存在嚴重缺陷。 讓我們來分析一下原因 👇