Flaws

• 人工智能

  OpenAI称：三成题错，通过率8个月从23%升至八成失效

  AI圈最权威的“编程大考”翻车了？OpenAI刚刚公开发难，直指业界标杆评测 SWE-Bench Pro 存在系统性缺陷，约30%的测试任务“有坑”。这台由 Scale AI 打造…

  2小时前